山东省粮食产量的动力学预测及建议

在各种假设条件下,分析山东省1985~2004年粮食总产、单产及播种面积,根据动力学原理建立了若干粮食产量动力方程进行数值模拟和预测,提出若干解决方案,并分别给出不同方案下粮食产量的预测值。最后,提出相关建议,以期应对国家和地区未来的粮食安全问题。     

基于LM-BP网络的粮食产量预测

利用Levenberg-Marquardt (LM)算法对BP神经网络法进行改进,提出了基于改进型LM-BP神经网络模型的粮食产量预测方法.提取了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积、受灾面积、农村用电量、农业机械总动力、从事农业的人口、农村居民家庭生产性固定资产原值、农村居民家庭平均纯收入9个因子作为输入因子构筑模型,粮食产量作为网络输出,通过LM算法使网络误差最小化,最后使用相关系数、相对误差等指标对模型的模拟结果进行检验.结果表明,训练样本集中模拟值和实际值的相关系数为0.996,平均相对误差为0.47％;检测样本集中,预测值和实际值的相关系数为0.994,平均相对误差为0.56％;该模型具有较高的拟合精度和预测精度,将此网络模型应用于粮食产量预测是有效的、可行的.     

基于趋势-状态预测方法的粮食产量预测

趋势-状态预测方法能够较好地解决既有趋势性又有较大波动性的数据序列的预测问题,且具有计算简便、精度高的特点.本文利用该方法对浙江省粮食产量进行了预测分析,为粮食生产的预测和科学管理提供了依据.     

基于马尔可夫绝对概率的粮食产量预测

针对粮食产量既有波动又有一定趋势的特点,以临沂地区小麦产量为实例,把历年的粮食产量序列看作1个马尔可夫链,通过不同级别的状态划分,计算出不同步长转移概率矩阵,最后求出其产量状态的绝对概率,进行未来时刻的产量预测。     

粮食产量综合预测软件系统的研制

介绍了“粮食产量综合预测系统”软件的设计思想,系统结构,功能模块。同时也扼要地介绍了预测因子的处理算法,气象预测模型、社会经济因子预测模型、气象和经济因子组合的预测模型以及多预测方案的集成预测模型在计算机软件中实现的方法。     

基于REMCC-BPNN的粮食产量预测研究

粮食产量的准确预测对保证粮食安全、维持社会稳定具有重大意义。提出了一种基于K个最近邻训练样本拟合相对误差绝对值与时序的相关系数最小原则优化BP神经网络的时间序列预测模型REMCC-BPNN,并将该模型应用到我国粮食产量及湖南省粮食产量预测中。结果表明,REMCC-BPNN模型的预测精度优于BPNN、SVR、ARIMA、GM(1,N)等常用的时间序列预测模型,训练速度快,稳定性高。     

粮食产量灰色模型预测

根据灰色系统理论,建立了GM(1,1)模型,并对粮食产量进行了预测。结果表明:用GM(1,1)模型预测粮食产量,从理论上讲比数理统计模型严谨,计算比较简单,弥补了中小地区不能实现依靠气象预测和遥感预测的缺陷,因此具有一定的可行性。     

基于人工神经网络的辽宁省粮食产量模型预测研究

利用辽宁省1983～2008年粮食产量数据,建立了粮食产量预测的3层BP网络模型,网络拓扑结构为6-6-1。用此模型对作物产量进行预测,并与多元线性回归预测结果进行比较。结果表明,人工神经网络预测的最大误差为1.57%,平均误差为0.79%,网络预测精度为0.97,说明人工神经网络模型具有较高的预测精度和较强的泛化能力,为粮食产量预测提供了一条新途径。     

基于均生函数预测模型的粮食产量预测

采用均生函数预测模型,对粮食产量进行预测,并以临沂地区小麦产量为实例进行了验证。结果表明,均生函数预测模型在粮食产量预测中的应用效果较好,尤其是对趋势的预测效果令人满意。     

基于SPSS软件的山东省粮食产量预测模型分析

本文收集2000—2017年山东省粮食总产量、粮食种植面积、农业机械总动力、农业化肥施用量、有效灌溉面积和受灾面积等有关数据,首先运用SPSS软件对影响山东省粮食总产量的各个因素进行回归分析,建立粮食总产量与这些因素之间的多元线性回归模型.其次,利用回归模型对2000—2017年山东省粮食总产量进行检验,预测精度在94...     

组合预测在吉林省粮食产量预测中的应用

利用吉林省1952~2009年粮食产量的统计数据,将指数平滑模型和GM（1,1）预测模型加以组合,建立了吉林省粮食产量的预测模型。同时,对吉林省2010~2015年粮食产量和年均增长率进行了预测,为吉林省未来的农业发展规划提供合理依据。     

基于时空回归模型的粮食产量预测方法新探

综合运用相关分析、回归分析和时间序列分析法,建立粮食产量时空回归预测模型,并根据中国各省、自治区、直辖市已有数据对未来粮食产量作出预测。     

近年来我国粮食产量变动及未来增长潜力预测

1999～2003年,我国粮食播种面积和产量逐年下降,使得供求关系不断趋于紧张。2004和2005年,在市场机制和有利政策的共同作用下,粮食播种面积和产量有恢复性增长。本文在对未来我国粮食播种面积、单位面积产量分析和预测的基础上,对未来粮食增长潜力做出了预测。     

基于灰色多元线性回归的粮食产量预测

针对粮食产量预测精度差和波动大的问题,结合灰色系统和多元线性回归模型,提出了一种灰色多元线性回归模型。利用该模型对南宁市的粮食产量进行了预测。结果表明,灰色多元线性回归模型的预测精度要高于单一的灰色系统或多元线性回归模型。     

基于遗传神经网络的粮食产量系统预测方法研究

采用了遗传算法（Genetic Algorithm GA）和人工神经网络（Artificial Neural Nwetwork ANN)技术，提出了一种新的粮食产量预测方法，并经实际应用，结果表明该方法是可行的，可以作为预测的一种有效方法。     

基于马尔可夫模型的粮食产量丰歉状态预测

基于粮食产量序列存在不确定性、不精确性的特点,应用有序聚类的方法建立粮食产量丰歉状态的分级标准,并根据烟台市1949~1997年粮食产量对1998和1999年的粮食产量进行了预测。结果表明,根据有序聚类的原理确定粮食产量的状态,可使确定的分级标准更加合理;1998和1999年预测结果为丰年的发生概率为0.786和0.838,与实际情况相符,预测效果比较明显。     

基于多元线性回归的广西粮食产量预测

【目的】利用多元线性回归分析方法构建广西粮食产量预测模型,以期为相关研究提供参考。【方法】对影响粮食产量的各种因素进行分析,应用多元线性回归分析法建立广西粮食产量的预测模型。【结果】对粮食产量贡献最为明显的因子是种植面积,其次是单位面积产量,降水量对粮食产量影响最小。粮食产量与种植面积、粮食单产、降水量的回归方程为：y=-517.759＋0.158x1＋0.382x2-0.001x3。应用多元线性回归模型预测2012年广西粮食产量为1464.381万t。【建议】在保证土地面积的前提下,加快农业科技创新、加强农田水利建设和完善促进粮食生产的相关政策,以保证广西粮食生产的稳定发展。     

基于多元线性回归的广西粮食产量预测

【目的】利用多元线性回归分析方法构建广西粮食产量预测模型,以期为相关研究提供参考。【方法】对影响粮食产量的各种因素进行分析,应用多元线性回归分析法建立广西粮食产量的预测模型。【结果】对粮食产量贡献最为明显的因子是种植面积,其次是单位面积产量,降水量对粮食产量影响最小。粮食产量与种植面积、粮食单产、降水量的回归方程为：y=-517.759+0.158x1+0.382x2-0.001x3。应用多元线性回归模型预测2012年广西粮食产量为1464.381万t。【建议】在保证土地面积的前提下,加快农业科技创新、加强农田水利建设和完善促进粮食生产的相关政策,以保证广西粮食生产的稳定发展。     

基于时空回归模型的河南省粮食产量预测

综合运用相关分析、回归分析和时间序列分析法,把时间和空间结合起来建立河南全省及各地市粮食产量时空回归预测模型。首先用2000、2005年的河南省各地市的粮食产量建立回归方程,然后以某一年的粮食产量作为自变量,预测其后第5年的粮食产量,得到的因变量数值再作为自变量,预测相隔同样年份的粮食产量,以此往前逐年移动预测,一直预测到所需年份。研究表明,河南省2015、2020年的粮食产量分别是5984.96万、6792.93万t,与其他研究者的研究结果有一定程度的吻合。     

自然灾害对山东省粮食产量影响的实证分析

以山东省1978~2014年自然灾害及粮食生产的数据资料为依据,运用灰色关联分析方法对二者之间的关系进行了统计分析,得到以下结论:第一,山东省粮食总产量年际变化主要由粮食单产变化和播种面积变化决定,而单产的提高是对粮食总产量变化影响最大的因素;第二,在影响单产的因素中,自然因素影响最为显著,其影响度占45%~53%;第三,在山东省常发的几种自然灾害中,旱灾成灾率与粮食产量变化的关联度最大,达0.7106,之后依次是水灾受灾未成灾率、其他灾害成灾率、旱灾受灾未成灾率和其他灾害受灾未成灾率,其关联度分别为0.6983、0.6935、0.6812和0.6714,而水灾成灾率与粮食产量变化的关联度最小,为0.6341。之后,通过构建抗灾能力评估的动态二维博弈模型对山东省粮食生产对各种自然灾害的抵抗能力进行了分析,发现:第一,1978~2014年山东省粮食生产对旱灾的抵抗能力总体是增强的,对水灾的抵抗能力总体有所减弱,而对其他灾害的抵抗能力适中;第二,粮食生产抵御旱灾和其他灾害的能力整体呈现出比较明显的周期性,而抵御水灾能力周期性不明显。据此研究,认为要稳定山东省粮食生产,必须重视农业防灾,尤其是要增强抗旱防汛能力,并针对性地提出了一系列具体应对措施,包括加强农田水利基础设施建设与管理、加快完善农业自然灾害预警预报系统,优化灾害防治思路,提升灾害保险能力,探索筹建农业自然灾害风险基金等。