基于LSTM神经网络模型的钢铁价格预测

由于钢铁价格具有影响因子难以确定和非线性的特点,在数据挖掘预测分析是,传统的预测方法只能够对钢铁价格进行小数据量的分析,导致预测精度低、速度慢且效率低下。随着大数据的深入研究,将神经网络与spark相结合,能满足用户对实时数据处理的需求。在多个深度学习神经网络模型中,基于长短期记忆单元(Long Short-term memory,LSTM)的递归神经网络(recurrent neural network,RNN)模型因为其能有效利用序列数据中长距离依赖信息的能力,非常适用于价格指数的预测中。文章利用python和lstm,结合近几年钢铁交易价格的走势数据,对数据进行回归拟合,生成训练模型,然后将得出的模型用来对未来的钢铁交易价格进行预测,使用均方误差(MSE)对预测数据和原始数据进行误差分析与处理,并与支持向量回归(SVR)模型进行对比。     

用SPSS建立岳阳名优黄茶的产量预测模型

利用湖南省汨罗市2003~2014年期间上年12月上旬至下年5月下旬的逐日气象观测资料及岳阳县黄沙街茶叶示范场2004~2014年名优茶产量资料,在计算上运用界面友好的SPSS软件,采用逐步回归方法,对名优黄茶产量与气象条件之间的关系进行分析研究。结果表明:名优茶产量与气象条件之间有着密切的关系,与2月平均风速、1月上旬平均相对湿度、1月中旬平均最高气温等3个气候因子显著相关,逐步回归后建立的春茶产量预测的数学模型,平均预报精确度达到95%,检验效果良好。     

干旱区绿洲植被高光谱与浅层土壤含水率拟合研究

水资源一直是制约我国西北干旱区农业发展的关键因素。以新疆渭库绿洲为研究区域,选取41个土壤含水率与干旱区绿洲植被实测高光谱样本,以植被指数为桥梁,采用支持向量机回归(SVR)方法,建立干旱区绿洲土壤含水率与植被指数之间的拟合方程模型,并与多元回归(MLSR)、偏最小二乘回归(PLS)2种模型进行对比。实验结果表明:不同模型的精度各异,拟合效果由优到劣为:改进的SVR模型、PLS模型、MLSR模型,其中基于干旱区绿洲实测的植被光谱数据改进的SVR模型对土壤含水率具有较好的拟合效果,通过最优参数的定值与最优测试集的抽取,R2高达0.891 6,RMSE仅为2.004,在干旱区绿洲的土壤含水率拟合中获得比较高的预测精度。而MLSR模型与PLS模型,R~2分别为0.630 0、0.654 9,RMSE分别为3.001与2.749。研究结果表明,因地制宜开展合理的土壤含水率反演模型规则制定是提高干旱区绿洲土壤浅层含水率监测精度的有效手段,也可为干旱区农业作物生长提供更精准的数据积累。     

世博会投资对上海市经济的影响分析

本文对世博会在经济方面的影响力进行了定量评估.通过建立灰色预测模型,预测了没有世博投资情况下上海市的GDP,通过与实际数据对比得出世博前期投资(2003-2009)对GDP的影响,并得出了由增加投资引起的上海经济增长率.通过建立回归模型得出投资额与GDP增长之间线性关系,进而说明了世博会前期影响经济的主要因素是世博投资.     

滩羊种羊需求与供应预测研究

采用灰色关联法确定影响滩羊种羊需求的社会指数因素.论述三次指数平滑法、传统线性回归模型、模糊线性回归模型的建模方法,并进一步探讨最佳种羊需求的预测模型.在明确羊场运营流程的基础上,探究影响种羊供应的外部环境因素,并运用DEMATEL方法(决策实验与实验评估法)确定影响种羊供应的市场因素.从而,利用最佳种羊需求预测模型,获得理想的种羊供应预测模型.     

黑龙江省东部地区影响稻瘟病流行的气象因素通径分析及短期预测模型的建立

针对稻瘟病严重影响黑龙江省东部地区水稻生产这一情况。试验于2006-2015年在黑龙江省东部地区9个地点进行定点、定期调查水稻稻瘟病的发生情况,并收集稻瘟病侵染期的气象因子,采用通径分析及逐步回归的方法对水稻稻瘟病的病情指数与气象因子之间的关系的进行了研究,明确了7月份、8月份的平均气温为影响稻瘟病发生流行的主要气象因子,并建立短期预测模型：Y=-85.171163 0.41315X1 1.23231X2-0.1817X4-0.09418X5 0.167333     

金塔地区春小麦不同生育期热量指数的验证与预测

该文利用1964-2014年逐月气温资料构建了金塔地区春小麦不同生育期的热量指数,对不同生育期热量指数和小麦产量资料进行验证预测,通过验证分析小麦发育期间的热量状况与发育情况进行检验对比,结果可以看出,所有生育期热量模型与小麦的生长发育情况相关性均较高,且稳定性较好。     

灰色预测模型在山东省粮食自给率预测上的应用

通过分析2005~2014年山东省粮食总产量和人口总数的动态变化数据,分析研究了山东省粮食安全现状。借助Matlab程序及SPSS 19.0软件,运用灰色预测模型、曲线估计、线性回归等方法对粮食自给率各变量分别进行了预测模型拟合,得出山东省2015~2025年粮食自给率呈上升趋势,但增速放缓。最后从保障耕地面积、提高粮食单产、控制人口增长、建立粮食安全储备体系4个方面提出了保障粮食安全的对策与建议,以期为山东省制定粮食安全与耕地保护政策提供参考。     

木材首饰商品零售企业的ARIMA需求预测研究

本研究利用ARIMA模型能够通过对有限时间长度的历史销售数据分析而实现精度较高的短期性预测的特点,针对珍贵木材首饰零售企业的具有代表性的、随机性需求的首饰进行数据的序列平稳化过程处理,而后进行模型的识别、参数估计和假设检验,最后进行预测,以检验ARIMA模型预测的准确度。结果表明,针对该类木材首饰而建立的ARIMA预测模型,其模型拟合优度和白噪声等参数值均具有统计学意义,预测结果也证明其短期预测的准确度较高。而未来控制库存的核心是对商品将来的需求进行有效的预测,因此利用ARIMA模型短期预测精度高的优点,可以为木材首饰零售行业短期库存控制提供决策和依据。     

影响酒泉地区樟子松生长的因素及其生长量预测模型

采用实测树高生长量及相对应的中央直径的方法，研究了酒泉地区19—21年生樟子松人工林的树高、直径生长量，建立了生长量与当年气象因子的对应关系；结合计算机软件分析手段，对影响嘉峪关及酒泉的樟子松人工林生长量的气象、土壤因素进行了分析，建立了樟子松回归预测模型。研究结果表明：年蒸发量、日照时数、≥10℃积温、极端最高气温、阳离子总量、阴离子总量及全盐量是影响樟子松生长的主要气象、土壤指标，年平均气温、无霜期、极端最低气温、pH值、全K及有机质含量是次要指标，年降水量、气温日较差及全N是补充指标；建立的樟子松树高、直径生长量预测模型相关紧密，可用于樟子松树高和直径生长量的预测和管理。