基于等维新息GM(1,1)模型的河南省粮食产量预测

以河南省1978—2013年的粮食产量为依据,利用灰色系统理论对河南省未来的粮食产量变化趋势进行了预测。首先在MATLAB中实现不同维数GM(1,1)模型相关参数的计算,然后把预测精度最高的7维常规GM(1,1)模型改进成等维新息GM(1,1)模型,经检验该模型精度等级为好,并预测出河南省2015—2020年的粮食产量。结果表明,等维新息GM(1,1)模型比常规GM(1,1)模型具有更高的预测精度,河南省未来5年的粮食产量仍保持增长趋势,但年平均增幅为1.43%,增产潜力较低。     

中国粮食产量的无偏灰色GM(1,1)模型与预测

根据《中国统计年鉴-2008》等最新统计数据,建立改进的无偏灰色GM（1,1）模型,并对2009～2015年中国粮食产量进行实证分析和预测。结果表明,所建模型简化了建模步骤,提高了预测精度,预测结果符合中国粮食生产实际。     

基于小波变换的GM(1,1)-ARIMA组合模型对粮食产量的预测

为提高粮食产量的预测精度,针对粮食产量的数据特点,提出了在小波变换的基础上,结合GM(1,1)模型与ARIMA模型的优点,建立GM(1,1)-ARIMA组合预测模型。首先,通过小波变换对非平稳序列进行分解,得到近似分量和细节分量;针对各分量序列的不同特征,采用灰色GM(1,1)模型对近似分量进行趋势预测,为进一步提高趋势信号的预测精度,使用灰色GM(1,1)模型对预测序列进行残差修正;然后,采用ARIMA预测模型对分离出的细节分量进行预测;最后,通过小波重构得到粮食产量的预测值。预测结果表明,基于小波变换的GM(1,1)-ARIMA模型的拟合平均误差为0. 69%,通过对2011—2014年粮食产量的预测,其预测平均误差低于1%,为粮食产量预测提供了一种新的技术途径。     

基于GM(1,1)模型的河南省粮食总产量预测研究

基于河南省1990-2015年粮食生产的资料,利用GM(1,1)模型对河南省粮食总产量进行预测。通过对比预测值与实际值的误差,GM(1,1)模型对粮食总产量的预测效果较好。预测结果表明,河南省粮食总产量在未来呈现稳定递增的趋势。     

基于GM(1,1)模型的国内生产安全事故预测

针对国内生产安全事故问题,提出了基于灰色理论的GM(1,1)模型预测方法,以便及时做好预防措施,减少事故的发生和降低损失。介绍了GM(1,1)模型的建立方法与计算步骤;分析了国内生产安全事故的组成并以2013年11~12月和2014年1~8月国内生产安全事故数据为基础,对死亡人数、受伤人数建立了相应的GM(1,1)模型,经检验模型基本合格,可以用来预测2014年10、11、12月份的事故数量,计算得出这3个月份平均死亡人数为328,平均受伤人数分别约为221、220和219;通过灰色预测分析法与一元回归分析方法在国内生产安全事故预测中的应用对比,得出GM(1,1)模型相对较可靠。结果表明,运用GM(1,1)模型对国内生产安全事故进行预测是可行的,为安全事故预测提供一种有效的方法。     

基于GM(1,1)模型的金城山客流量预测

利用往年客流量数据建立GM(1,1)模型对金城山风景区客流量进行预测与分析,证实GM(1,1)模型作为一种时间序列模型预测风景区年客流量具有预测精度高、误差小、方法简单实用、可信度强等优点.     

基于GM(1,1)模型的四川省林业产业结构预测

【目的】预测四川省林业产业结构未来几年的发展趋势,为该省制定林业发展策略提供依据。【方法】以四川省2000-2010年林业三次产业产值为依据,在Matlab环境编码实现不同维数GM(1,1)模型相关参数的计算,选择精度最高的GM(1,1)模型与同等维数的新陈代谢GM(1,1)模型相结合,预测四川省2011-2020年间的林业产业结构。【结果】研究选择四维GM(1,1)模型与四维新陈代谢GM(1,1)模型结合,分别对四川省2011-2020年林业三次产业产值进行动态预测,并得到三次产业产值的比例关系。【结论】四川省林业产业结构在2011-2016年期间为"第二产业>第一产业>第三产业",2017年转换为"第二产业>第三产业>第一产业",且该结构有一直持续的趋势。     

基于GM(1,1)模型的河流水质主要指标预测研究

水环境质量预测对于提供水质变化早期预警,通过提前采取行动从而减轻污染至关重要。采用灰色系统理论建立灰色预测模型GM(1,1),对河流水质主要指标浓度进行预测,并验证预测模型的适用性。通过模型验证结果可以看出,COD、高锰酸盐指数、氨氮、总磷的预测误差均满足水质预测的精度要求,预测值与实际值保持很好一致性。表明灰色模型可应用于河流水质预测且结果较为准确,可为地表水水质预测预警提供技术支撑。     

基于灰色模型GM(1,1)的兰州市耕地动态变化预测

采用了灰色理论建模原理和模型参数辨识方法,以兰州市1997～2005年耕地数据为基础和平台,探讨耕地数量动态变化.结果表明,兰州市耕地面积在未来十几年内仍将呈现持续减少的趋势;人均耕地面积将逼近警戒线,耕地保护形势相当严峻.因此保护耕地资源,坚持理性发展,理性规划,做到开发与利用并举是刻不容缓的任务.     

基于Markov和GM(1,1)模型的土地利用变化预测

为了探索莱芜市土地利用变化规律,论文分别基于Markov模型与GM(1,1)模型对莱芜市进行了2015-2050年土地利用变化预测,分析讨论了预测结果。结果表明:(1)2种预测模型得出各地类变化趋势一致,短期内相应年份预测值吻合度高,说明短期内预测结果可信,中长期预测的趋势可作参考。(2)耕地在2015-2020年之间基本保持不变,2020-2050年呈小幅度减少趋势;而园地、林地、草地自始至终都为减少趋势,其中草地的减少幅度最大;城镇村及工矿用地、交通运输用地为增加趋势,其中城镇村及工矿用地增幅最大;水域及水利设施用地、其他土地略有减少,幅度很小。2种模型预测的短期内预测结果是可信的,可为莱芜市土地利用规划提供科学依据,预测方法可为土地利用变化预测提供参考。     

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。     

基于最小二乘支持向量机的灌区粮食产量预测研究

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i（允许错分的松弛变量）的二范数。这使得最小二乘向量机的优化问题为：min（1/2）‖w‖^2＋C（1/2）sum from i=1 to 1ξi~2（ξi是松驰变量;C为正则化参数）。用于函数估计的最小二乘SVM为：y（x）=sum from k=1 to Nαk K（x,xk）＋b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数（γ为可调参数,σ为核函数宽度系数）,参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

基于最小二乘支持向量机的灌区粮食产量预测研究(英文)

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i(允许错分的松弛变量)的二范数。这使得最小二乘向量机的优化问题为:min(1/2)‖w‖~2+C(1/2)sum from i=1 to 1ξ_i~2(ξ_i是松驰变量;C为正则化参数)。用于函数估计的最小二乘SVM为:y(x)=sum from k=1 to Nα_k K(x,x_k)+b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数(γ为可调参数,σ为核函数宽度系数),参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

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。     

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GM(1,1)模型的黄河花园口站的径流量预测

通过对研究区年均径流量资料进行分析,根据径流量和时间的关系,建立GM（1,1）模型,并将其应用于年径流量的预测,为相关部门的决策提供参考依据。     

基于灰色系统理论的四川油料作物单产预测

为准确预测四川油料作物的产量以保障市场供给,根据2001—2015年四川油料作物单产数据,运用灰色系统理论,建立GM(1,1)预测模型,并通过残差、级比偏差、关联度、后验差检测及模拟数据检查对模型的合理性和精度进行误差检验,并应用模型预测未来3年四川油料作物的单产。结果表明:P~0=98.22%90%、ρ(avg)=4.52%10%、r=0.97760.6、P=1,F=1.1141F_(0.05)=19.00,由此可见,灰色系统理论GM(1,1)适用于油料作物单产预测,并具有较高精度。预测得出,2016年、2017年、2018年的油料作物单产分别为162.25kg/667m~2、164.71kg/667m~2和167.22kg/667m~2,与2015年相比,分别上涨2.70%、4.26%和5.84%。     

基于GM（1,1）模型和灰色关联分析的广西GDP预测研究

运用灰色关联分析对2001～2009年影响广西经济发展的相关因素进行了研究,并建立了灰色GM（1,1）模型对广西地区生产总值进行预测。     

应用灰色模型 GM(1,1)预测福建省农业产值的发展趋势

本文应用灰色动态微分方程模型 GM(1,1)对福建省农业产值的发展趋势进行预测,结果表明,模型的拟合精度较高,所作的预测可供制定福建省农业发展计划参考。