地位指数曲线时间序列建模及其应用的研究

本文根据时间序列分析的理论,对闽北杉木中心产区的杉木平均优势木解析木的5至12年的树高值序列,进行动态数据处理,建立比较可靠的时间序列模型。然后利用所建立的时间序列模型,对13至22年的地位指数时间序列值进行预测,得出相应年龄的地位指数值。最后,求算5至22年的地位指数时间序列各年龄的估测误差,以此确定估测精度最高的杉木地位指数曲线。     

一种基于神经网络的土壤湿度预测方法

对土壤湿度进行的高质量时序预测对科学研究和农业生产实际都有重要的意义。利用无线传感器网络得到长时序观测数据,建立一种新的基于BP神经网络的土壤湿度时序预测方法。针对神经网络收敛速度慢、易陷入局部最优的问题,提出基于动量因子和自适应学习率的BP神经网络改进方法,并且利用粒子群算法优化BP神经网络的初始阈值和权值。针对标准粒子群算法(PSO)中惯性权重线性递减、学习因子取常数,而导致的PSO收敛速度慢、易错过全局最优解等问题,将迭代次数和适应度值相结合改进惯性权重和学习因子,有效提高算法找到全局最优解的速度。选取"渤海粮仓"山东试验区东营市垦利县20个观测站2013—2014年的时间序列观测数据,分别采用本研究提出的方法和其他4种方法进行预测,结果显示本研究提出的方法预测在预测精度、收敛速度方面都优于其他4种方法。     

基于小波变换和动态神经网络的温室黄瓜蒸腾速率预测

针对作物蒸腾速率与温室环境参数间非线性耦合时延性关系,以温室环境参数:空气温度、空气湿度、太阳辐射度、土壤温度、叶面温度、土壤含水量的时间序列为输入量,温室黄瓜蒸腾速率时间序列为输出量,采用小波分解重构方法,分别建立低频时间序列和高频时间序列的非线性自回归动态神经网络(NARX)子网络预测模型,以子网络的预测叠加值为蒸腾速率预测值。结果表明:1层小波分解重构的低频时间序列A1和高频时间序列D1的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.949和0.853,平均绝对误差(MAE)分别为5.36和2.00 g·h-1。2层小波分解重构的低频时间序列A2和高频时间序列D2的子网络预测值与蒸腾速率分解重构目标值间相关性决定系数R2分别为0.983和0.849,MAE分别为2.88和2.56 g·h-1。1层小波分解重构的时间序列的NARX子网络预测值合成值(A1+D1),2层小波分解重构的时间序列的NARX子网络预测值合成值(A2+D2+D1)和未小波分解重构的原时间序列的NARX预测值与蒸腾速率测量值间相关性决定系数R2分别为0.945、0.974和0.857,MAE分别为5.76、4.42和10.09 g·h-1。小波分解重构的高频和低频时间序列预测合成,能够提高时间序列的预测准确性。同时采用相同网络结构的BP神经网络和NAR动态神经网络预测蒸腾速率时间序列,其预测值与测量值间决定系数R2分别为0.596和0.839,MAE分别为19.55和9.45 g·h-1。NARX预测性能优于NAR和BP神经网络的预测性能,能够应用该方法预测温室黄瓜的蒸腾速率。该方法可推广至多变量非线性强耦合时延性系统中的变量预测。     

时间序列BP神经网络在福州市第三产业值预测中的应用

准确预测福州市第三产业的发展,对今后海峡西岸经济带建设具有举足重轻的意义。本文以福州市1994~2008年第三产业值为基础,采用MATLAB7.0建立非线性时间序列的神经网络预测模型,将1994~2003年的第三产业值作为训练样本,2004~2008年的第三产业值作为测试样本,并计算误差。结果表明:BP神经网络模型收敛速度较快,预测精度较高,对时间序列第三产业值的预测具有较高的应用价值。     

基于小波分解的害虫发生非平稳时间序列分析和预测

将小波分解应用于害虫发生程度非平稳时间序列的分析和预测。通过小波分解,将非平稳时间序列分离为多个平稳分量,然后采用自回归滑动平均方法对各平稳分量分别进行分析和建模,最后将所有分量的模型进行组合,从而可以得到原非平稳时间序列的预测模型。在实例分析中,利用1959年至2004年烟台市一代玉米螟发生程度数据序列建立了预测模型,利用2005年至2009年的数据对模型进行了检验。检验结果表明:5年预测准确率达到了80%,预测效果令人满意。     

邓恩桉引种区极端气温的起伏型时间序列分析

介绍了起伏型时间序列气温模拟与预测方法,并利用建阳市1976-2005年极端最低气温数据,对邓恩按引种区极端最低气温进行建模模拟.结果表明.起伏型时间序列模型能很好地拟合邓恩桉引种区极端最低气温的时间序列动态变化,拟合精度为87.56%,结果较满意,说明起伏时间序列分析方法可以应用于极端气温变化的模拟与预测,从而丰富了邓恩桉引种区极端气温预测与预报方法.     

ARIMA模型在上证综合指数中的应用

为了预测股市走势,本文用时间序列的分析方法对上证日综合指数序列建立了AR IMA拟合模型,研究了股市的变化规律,并对股市波动进行了预测。分析结果显示,预测值比较接近真实值,从而为投资者在股票市场的正确投资提供了有效参考。     

基于ARMA模型的广西农村居民收入趋势预测

根据1985--2014年广西农村居民人均纯收入的时间序列数据,运用eviews8.0软件,对该时间序列进行ADF检验和自相关和偏自相关分析,建立ARMA(2,1,1)模型。比较2011年--2014年农村居民纯收入的拟合值与实际值发现,误差率均在5%范围内,说明模型拟合效果较好。并对未来两年进行预测,预测表明,广西农村居民收入稳步增长,但与城镇居民收入增长速度相比,增长速度缓慢,城乡收入差距将持续扩大,不利于整体经济发展。最后针对提高农村居民收入提出一些可行性建议。     

时间序列在干旱区棉花需水量预测中的应用

运用《工程水文学》中的时间序列分析法对干旱区棉花需水量进行了分析和预测。结果表明:用时间序列分析法进行预测的结果精度较高,适于干旱区棉花需水量的预测。     

改进的GM(1,1)模型在小南海泉涌泉量预测中的应用

灰色系统模型在贫信息、小样本的非线性系统建模中具有明显优势,适合对时间序列较短时的需水量进行预测。针对基本灰色预测模型背景值构造不合理,及未充分利用新信息的缺点,采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,并利用改进模型对安阳市小南海泉的涌泉量进行拟合和预测,结果表明,改进模型预测精度更高。     

基于TGARCH模型的农村居民消费指数分析

近年来,保持农业发展平衡和提高农民收入,已成为中共中央发展中国经济的政策目标之一,而农村居民消费指数也直接影响金融市场的调整。通过寻找农村居民消费指数的时间序列数据,从对其波动性进行预测的角度出发,探索时间序列波动的异方差性质,以及时间序列对正信息和负信息的差异波动模式的条件,建立门限广义自回归条件异方差模型,预测农村居民消费指数,并对其进行验证。     

V/S和Mann-Kendall相结合的方法在洪涝灾情分析中的应用

【目的】将V/S分析法引入到洪涝灾害面积序列的长记忆性研究,为洪涝灾害的预测和防治提供参考。【方法】以洞庭湖1949-1998年50年的洪涝灾害面积序列为研究对象,采用V/S分析法计算其Hurst指数,并结合其MannKendall趋势分析洪涝灾害面积序列未来的变化趋势。【结果】20世纪70年代以来洞庭湖区的洪灾面积下降趋势明显,90年代以后涝灾面积上升趋势显著,洞庭湖洪涝灾害时间序列V/S分析的Hurst指数均大于0.5,表明洪涝灾害面积序列的变化趋势在未来将持续。【结论】V/S分析是一种有效的趋势预测方法。将V/S分析法与Mann-Kendall相结合的方法能够分析洪涝灾害时间序列未来的变化趋势,是一种有效的未来趋势预测方法。     

中国枣树害虫研究现状

经过对枣树害虫长时间的研究 ,在各方面都取得了重要的进展 ,但仍存在以下亟需研究的问题。枣树害虫的研究还只是停留在对害虫种类和害虫的生态研究上 ,对于枣树害虫的虫害损失估计、经济受害水平和经济阈值的研究尚属空白 ;枣树害虫的种类仍然不完全清楚 ;在防治研究上 ,很少涉及通过生物途径进行害虫防治 ;在虫情预测预报的研究上缺乏多因子的数学模型 ;由于害虫没有主次之分 ,对于害虫的研究也显得不够集中。未来在枣树害虫的研究上应针对以上问题开展工作。     

基于ARIMA模型的陕西省GDP分析与预测

依据2008年《陕西统计年鉴》与1952～2007年陕西省GDP相关数据,采用SPSS统计软件及时间序列分析法,通过时间序列的平稳性检验、根据时间序列模型的识别规则进行定阶、模型检验、模型预测4大步骤在AIC准则下建立了ARIMA（1,2,1）时间序列模型,并根据ACF图和PACF图对模型做了适应性检验,然后对2002～2007年的实际值与预测值作比较,并利用该模型对陕西省未来6年的GDP做出预测。结果表明,各年实际值与预测值之间的相对误差均控制在5%以内,该模型的预测效果相对较好;根据模型预测的2008～2013年陕西GDP数据分别为6477.50亿、7656.62亿、9058.66亿、10735.10亿、12744.69亿、15158.20亿元,从预测结果看,陕西省的GDP在2008～2013年6年内仍将呈现出较高的增长趋势;该模型得出的预测结果只是一个预测值,而国民经济是一个复杂多变的动态系统,应随时注意经济运行中蕴藏着调整的风险,适时根据实际情况调整相应的目标值。     

长白落叶松林的野生经济植物资源调查

长白落叶松(Larix olgensis)林,是一种分布面积甚广的隐域性植被。长白落叶松是材质优良的速生树种,不仅它本身具有颇高的经济价值,于其林下更蕴藏着极为丰富的珍贵野生经济植物资源。据笔者初步调查研究,主要可供药用、制作饮料、食品加工等60余种植物,隶属于28科。特别是利用长白落叶松树皮栽植灵芝如获成功,可获得极大的经济效益;以及开发泥炭藓的多种应用,既可收到变废为宝,又因清除了藓类等地被物而促进长白落叶松林的更新。故长白落叶松林有极大的经济价值,亟待开发利用。     

卷烟烟气焦油量的ARMA预测模型研究

[目的]为计算机辅助配方研究提供理论依据。[方法]以同一品牌不同批次卷烟的烟气焦油量为研究对象,采用时间序列分析法,建立了卷烟烟气焦油量的预测模型,并进行了模型预测验证。[结果]ARMA(22,)模型的AIC、LF和FPE值在各模型中均最小,所以选择ARMA(2,2)为卷烟烟气焦油量的预测模型,即:(1-1.622 q-1+0.844 q-2)y(t)=(1-1.836 q-1+1.02 q-2)e(t)。根据对模型残差序列进行的白噪声检验判定,建立的ARMA(2,2)模型是显著有效模型,模型预测验证表明模型预测精度达99.51%,平均相对误差为0.49%,属于一级(优等)模型。时间序列一般用于短期预测,不能用于长期预测。[结论]该研究建立的卷烟烟气焦油量的ARMA(2,2)预测模型的预测精度高、误差小,可以用于卷烟烟气焦油量的短期预测。     

基于EMD和IDAR的灌区年降水量预测研究

针对降水量这样一种非线性、非平稳序列,研究经验模态分解方法(EMD)和信息扩散近似推理方法（IDAR）在年降水量预测中的组合应用,解决资料序列不充分情况下的区域降水量预测问题。首先,通过EMD方法对具有典型非线性与非平稳特征的年降水量时间序列进行处理,分解出包含原信号不同特征尺度的分量数据系列;然后应用信息扩散近似推理技术对各降水量分量间的复杂非线性关系进行描述,建立当前趋势以及相邻年份之间的预测规则,并进行预测。以文献案例灌区长系列降水资料为样本进行实例计算,并与其它预测方法进行了对比。结果表明：基于EMD和信息扩散近似推理的预测方法效果较好,误差绝对值和为1.30,优于人工神经网络、线性自回归方法以及单纯信息扩散近似推理的统计结果。同时,为了验证该方法的适用性,将该方法应用于文峪河灌区的降雨量预测,取得了满意的效果。研究中发现：信息扩散近似推理可将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可将矛盾模式转换成兼容模式。而EMD方法可有效分解具有非线性、非平稳特征的降水序列,保留其原序列在空间（或时间）各种尺度上的分布规律。两者结合对解决样本不完备的非平稳序列的预测问题是非常有价值的。通过与其它预测方法比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值。     

四川省农村居民生活消费增长分析及预测——基于Markov预测和ARMA模型

选取1978～2009年四川农村居民人均生活消费值的32个样本,首先,通过Markov预测法预测未来生活消费水平的增长速度以10%～20%的概率较大;然后,为提高预测精度,在传统ARMA模型中加入时间变量t进行建模并预测,预测结果表明平均相对误差率为1.56%,其中2006～2009年的相对误差的绝对值均小于0.5%;最后,将Markov预测和ARMA模型对2010～2012年的预测结果对比,发现两者在生活消费增长幅度上吻合,预测结果可靠。结果表明,在与目前相似的政策力度下,短期内四川省农村居民消费需求将持续增长,需进一步扩大消费市场。     

灰色──马尔柯夫模型的建立及其在林业经济中的应用

本文介绍了灰色──马尔柯夫模型的建立方法，并利用我国林业系统工业企业全员价值劳动生产率资料（１９７１～１９８６年），按照灰色──马尔柯夫模型的建模步骤建立模型并进行预测，同时还进行了误差分析。结果表明，按照该法预测今后的林业系统工业企业全员价值劳动生产率是可行的，而且，在预测林业系统其他企业的多种经济指标方面，有较为广阔的应用前景。     

基于RBF神经网络的池州市降水序列预测

时间序列预测分析方法是进行预测预报的有效工具,有着广泛的应用。针对时间序列的非线性、动态变化等特征,基于RBF神经网络对时间序列预测方法进行改进,并以安徽省池州市1959～2009年来的月降水量为时间序列数据样本,用MATLAB软件编程,采用基于随机选取中心的RBF神经网络预测方法,对池州市的月降水量进行预测,并选择不同的扩展速度参数,用均方误差进行检验。通过与BP网络模型的预测结果比较分析,表明RBF模型的预测效果较好。建立的基于随机选取中心的RBF神经网络模型,不需要计算原始时间序列数据的复杂函数关系,具有操作简单、学习速度快、短期预测精度高等优点,用于时间序列预测方面能够获得十分满意的结果,具有很高的应用价值。