银杏落叶期叶片NDVI值2种拟合方法比较

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优拟合方法,更好地了解银杏落叶期叶片光谱特征参量NDVI值的变化趋势,从而更有效地对其进行决策和控制,为植被的大尺度遥感动态监测提供方法参考。【方法】利用SVC HR-1024I全波段地物光谱仪,选取三株健康、生长环境相同、长势相近的中龄银杏为叶片采集对象,对其落叶期冠层叶片进行定期定点定方位的高光谱观测。对获取的高光谱原始数据进行数据筛选与预处理后,通过计算得出叶片的NDVI值,分别采用二次函数拟合法和ARIMA时间序列拟合法对落叶期叶片的NDVI值进行曲线拟合,并对两种拟合方法的拟合结果进行比较,选出最适合银杏叶片落叶期NDVI值的拟合方法。【结果】二次函数拟合结果为NDVI=-0.0221T2+0.0547T+0.711,决定系数R2为0.926,但因拟合结果t值不显著,样本结果随机性大,不具广泛性;ARIMA时间序列拟合中ARIMA(2,1,2)模型估测结果与实际情况接近,R2为0.811,拟合效果较好。【结论】ARIMA时间序列拟合方法比二次行数拟合方法更适用于对银杏落叶期叶片的NDVI值进行拟合。     

基于ARIMA模型的我国大豆单产预测分析

在我国大豆单产光合潜力和"农业生态区划"(AEZ)潜力基础上,运用ARIMA(自回归单整移动平均)模型预测了2020年前我国大豆单产。结果表明:我国大豆单产最大潜力为3 400 kg·hm~(-2),而2017、2018、2019和2020年单产将分别为1 899,1 926,1 954和1 982 kg·hm~(-2),分别是最大潜力的55.85%、56.65%、57.47%和58.29%。这意味着:未来提高我国大豆单产尚有较大空间,应保持高产耕地生产力与改良中低产田土并重。研究结果旨在为我国大豆生产提供决策参考信息。     

基于PCA-ARIMA模型的高血压发病率预测

目的高血压发病率是政府和相关医学工作者预防和监测高血压的重要依据之一。方法利用主成分分析(principal component analysis,PCA)对因子进行线性筛选,获得保留因子后利用ARIMA进行建模预测,即为PCA-ARIMA多维时间序列组合预测模型。结果高血压发病率的拟合与独立预测结果表明,PCA-ARIMA优于PCA-MLR、ARIMA等参比模型。结论本文提出的基于主成分分析和ARIMA模型(PCA-ARIMA模型)的建模有助于提高模型的预测精度。     

海拉尔地区降水量的ARIMA乘积季节模型研究

1个地区降水量的变化受到诸多因素的影响,其既有长期趋势、季节效应,又具有随机扰动效应。在降水量的分析中,找出所有影响降水量的变化因素是十分困难的,因此可以利用降水量序列的自身变化来寻找序列中蕴含的发展规律。本文以海拉尔地区1957年1月~2007年8月逐月平均降水量数据为基础,应用SAS统计软件经过多次拟合优选,最终建立了适合海拉尔地区月平均降水量的AR IMA(p,d,q)×(P,D,Q)s乘积模型,并利用该模型对海拉尔地区2007年的降水量进行了预测。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

我国大豆加工企业的动态套期保值业务模式

为提高我国大豆加工企业的价格风险管理水平提供理论参考,基于套期保值理论,采用ARIMA模型和VAR模型对国内大豆和豆油的价格与基差变动进行预测,提出大豆加工企业的动态套期保值业务模式。结论:大豆加工企业应首先根据未来大豆和豆油价格变化趋势的预测,确定是否存在价格波动风险并决定是否进行套期保值;其次,根据现货和期货市场的价格波动情况确定合适的套期保值比率;最后,根据预测的基差变化趋势,动态调整套期保值的交易策略。     

变桨距风力发电系统模糊控制

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA＜107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

科技成果转化过程分析

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

基于条件植被温度指数的冬小麦产量预测

条件植被温度指数(VTCI)综合了地表主要参数——植被指数(NDVI)和地表温度(LST),能够较为准确地对干旱进行监测,可为抗旱救灾、遥感作物估产等提供科学依据。在改进层次分析法的加权VTCI与冬小麦产量的相关性研究成果和VTCI的季节性ARIMA模型干旱预测研究成果基础上,对关中平原的冬小麦产量进行向前1旬、2旬和3旬的预测研究。研究结果表明,产量预测结果与产量监测结果吻合较好,预测精度随着预测步长的增大而降低,关中平原4个地级市平均产量预测结果的最大相对误差为3.27%,说明用该方法可以进行向前3旬的产量预测。     

ARIMA模型预测土壤墒情研究

土壤水分的动态模拟是土壤墒情(旱情)监测及预测预报的重要内容。采用AR IM A模型进行土壤水分时间序列的拟合与趋势预测。在建立模型后,用实测数据与模型的预测数据相比较说明AR IM A时间序列模型能较好地拟合与预测土壤墒情的变化趋势。