基于灰色系统理论的加工番茄产量预测模型研究(英文)

[目的]研究基于灰色系统理论的加工番茄产量预测模型。[方法]运用灰色系统理论研究了加工番茄产量变化趋势,建立了加工番茄产量预测的GM(1,1)灰模型,并以新疆2001～2009年新疆加工番茄产量为例,进行了实例分析。[结果]该模型有较高的预测精度和较强的泛化能力,对近期加工番茄产量的预测是可靠的。[结论]为新疆地区番茄产业的宏观调控、番茄加工及储藏等方面提供了参考。     

基于灰色系统理论的加工番茄产量预测模型研究

[目的]研究基于灰色系统理论的加工番茄产量预测模型。[方法]运用灰色系统理论研究了加工番茄产量变化趋势,建立了加工番茄产量预测的GM（1,1）灰模型,并以2001～2009年新疆加工番茄产量为例,进行了实例分析。[结果]该模型有较高的预测精度和较强的泛化能力,对近期加工番茄产量的预测是可靠的。[结论]为新疆地区番茄产业的宏观调控、番茄加工及储藏等方面提供了参考。     

基于灰色神经网络的粮食预测

结合灰色GM(1,1)预测模型和BP神经网络2种预测模型的优点,提出了一种灰色神经网络模型,并用该模型对蚌埠市小麦产量进行预测。结果表明,灰色神经网络预测精度高于单一的灰色GM(1,1)预测模型或BP神经网络。     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

灰色神经网络组合模型(GNN)在涝灾预测中的应甩

洪涝是对人类及社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡,涝灾预测已成为防灾减灾的重要内容.应用BP神经网络模型对灰色模型预测精度较低的问题进行了改进,该方法是将灰色模型的预测值作为神经网络的输入,以实际值作为输出而构成灰色神经网络组合模型(GNN).以辽阳地区50年的年降水量作为历史数据,建立GNN涝灾预测模型.预测结果表明:该方法与传统的灰色预测方法相比提高了预测精度,这种新的信息处理和预测方法是有效可行的.     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

基于新维无偏灰色马尔可夫模型的小麦产量预测

针对小麦产量具有较大波动性的特点,结合灰色预测模型和马尔可夫理论,同时利用新信息优先的思想,以河南省2010—2019年小麦产量作为原始数据建立无偏灰色GM(1,1)模型、无偏灰色马尔可夫模型和新维无偏灰色马尔可夫模型,并对比3种模型的预测精度.结果表明,新维无偏灰色马尔可夫模型能提高预测精度,适合中长期预测,并预测出河南省未来5年的小麦产量数据.     

灰色神经网络耦合模型在加矾系统预测中的应用

为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016％,最大相差为0.025％,BP神经网络模型平均相对误差为0.037％,最大相差为0.069％,灰色神经网络耦合模型的平均相对误差0.006％,最大相差0.009％,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性.     

基于小波变换灰度模型-人工神经网络(GM-ANN)组合的粮食产量预测模型

由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。     

灰色广义回归神经网络在木薯产量预测中的应用

将GM(1,1)预测模型与广义回归神经网络(GRNN)相融合,构建一种兼具两者优点、互补型的灰色广义回归神经网络(GGRNN).以1985-2007年度广西木薯鲜薯总产量为数据样本,采用GGRNN模型进行广西木薯产量预测研究.研究结果表明,GGRNN训练期平均拟合指数、预测期平均拟合指数分别为0.99和0.93,分别比GM(1,1)模型高0.09和0.04.该组合模型在拟合精度和预测精度方面均优于单一的GM(1,1)预测模型,并具有自学习能力、非线性映射能力以及适应性强等优点,为木薯产量预测的定量化和智能化提供了一条有效途径.     

基于灰色神经网络的茶叶产量预测算法

通过分析茶叶产量影响因素,提出了一种非自然因素影响茶叶产量的预测模型。针对部分信息数据,运用灰色模型理论,结合神经网络系统对预测模型进行优化,给出了基于灰色神经网络的茶叶产量需求预测算法。实验证明,将实际产量和预测值进行比较和误差分析,该算法能够较好地实现茶叶产量的预测,具有一定的实际应用价值。     

非点源污染负荷预测的多变量灰色神经网络模型

【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并建立用人工神经网络对GM(1,N)模型的残差系列进行修正的改进模型,并将其应用于华县站总氮非点源污染负荷的预测。【结果】在华县站总氮非点源污染负荷预测中,灰色+BP神经网络组合模型拟合预测效果较好,建模阶段和检验阶段的确定性系数(Nash-suttcliffe模拟效率系数)分别为1.00和0.93,优于单独灰色模型或神经网络模型的预测效果。【结论】研究建立的多变量灰色神经网络模型综合了灰色理论和神经网络的优点,提高了模拟精度,为有限资料条件下非点源污染负荷的预测提供了一种有效的方法。     

基于灰色马尔科夫模型的我国水果产量预测分析

随着现代社会民众饮食和健康观念的不断提升,人们对于水果的需求也是逐渐增加和变化的,而水果的产量由于自然天气和国内外环境的影响,呈现出随机性、非线性、波动性和复杂性,所以水果的产量预测具有很大困难性,因此有必要对我国的水果产量进行预测的评估。以灰色预测理论为基础,提出了基于灰色理论和灰色马尔科夫模型结合的新方法,重新预测了我国未来的水果产量,并将两种方法的精度进行比较,结果表明:灰色马尔科夫预测模型的精度和准确性均比单纯的灰色模型要高。根据灰色马尔科夫预测模型的预测结果,尝试提出我国未来水果的发展战略。     

基于离散型灰色DGM(1,1)预测模型在涝灾预测中的应用

为提高涝灾预测模型的预测精度,针对GM(l,1)模型预测条件的局限性,提出离散灰色预测模型[称DGM(1,1)模型Ⅰ。应用离散灰色模型,以鞍山市1959~2006年的降雨量为依据,建立涝灾预测模型。结果表明:优化后的离散型DGM(1,1)模型的预测精度较原有的灰色GM(1,1)预测模型的预测精度有很大提高。并且该模型建模过程简单、适用性强,为涝灾的预测提供了新的方法。     

多变量灰色预测模型在荔枝病虫害预测中的应用

荔枝病虫害易造成荔枝Litchi chinensis Sonn.产量少、品质劣、价格低，导致果农收益下跌，产业发展受制。因此，建立荔枝病虫害预测预报模型，开展病虫害发生程度预测，对荔枝产业高质量发展具有重要意义。基于2004—2020年广州市增城区第二代荔枝蒂蛀虫驻果率数据，以及前期气象要素数据，对影响蒂蛀虫驻果率的气象因子进行灰色关联分析，筛选出主要影响因子，采用多变量灰色预测模型GM(1,N)构建第二代蒂蛀虫驻果率预测模型。通过后验差以及小概率误差检验方法进行模型精度检验，并结合马尔科夫模型进行优化，以提高预测模型精度。研究结果表明，采用多变量灰色预测模型GM(1,N)进行荔枝蒂蛀虫驻果率预测，预测精度较高，可为荔枝病虫害预防提供决策参考。     

基于小波广义回归神经网络的粮食产量预测模型

将小波分析与广义回归神经网络(GRNN)相融合,构建了一种小波广义回归神经网络(WGRNN)模型。该模型应用于我国粮食总产量预测,其预测结果在精度上均优于单一的GRNN预测模型和GM(1,1)灰色预测模型,既具有神经网络非线性逼近能力和自学习能力的特性,又具有小波在时、频两域表征局部特征的功能,可为粮食产量预测的定量化和智能化提供一条新途径。     

基于改进SVM的水肥与番茄产量品质关系预测模型研究

以不同的灌水及施肥水平作为输入,以番茄的产量为输出,建立了水肥—产量关系的支持向量机(SVM)预测模型,并通过粒子群(PSO)优化算法对SVM的关键参数进行了智能化选择,通过与回归模型比较表明:PSO-SVM模型的预测精度较高;进而对模型进行了改进,改进后的模型能同时预测水肥水平对产量及品质双指标的影响,通过实例验证表明模型预测的产量值和硝酸盐含量值与实测结果基本一致,预测效果较理想,可为设施栽培番茄的水肥精细化管理提供支持。     

京津冀农产品冷链物流需求影响因素及预测模型研究

采用定性分析和定量统计相结合的方法研究农产品冷链物流需求的影响因素,并在此基础上分别建立基于灰色模型、支持向量机、BP神经网络、RBF神经网络、遗传神经网络的农产品冷链物流需求预测模型。通过研究模型对变量之间相关关系的刻画能力及预测精度两方面因素,发现五类模型分析农产品冷链物流需求问题的能力排序为:遗传神经网络模型RBF神经网络模型BP神经网络模型支持向量机模型灰色模型,这一结果表明遗传神经网络用于农产品冷链物流需求分析具有优越性。     

基于灰色理论的城市降尘环境污染预测模型

基于灰色预测理论,探讨了灰色预测模型在城市降尘污染预测中的可行性,以实例为基础,应用灰色预测模型对城市降尘环境污染预测,并进行了检验.结果表明:GM(1,1)模型预测结果经过精度检验,后验差比值C=0.43,小误差频率P＞0.95,精度较高;用灰色理论预测城市降尘环境污染,灰色预测模型具有较高预测精度、方便实用等优点.该方法可作为环境监测指标预测工具之一.     

基于粗糙集和BP神经网络的粮食产量预测研究

为提高粮食产量的预测精度,提出一种基于粗糙集和BP神经网络的粮食产量预测方法。该方法以吉林省粮食总产量的历史数据作为研究对象,利用粗糙集理论的属性约简特性,识别与粮食产量相关性较大的影响因素,剔除非主要影响因素,利用约简后数据建立RSBP神经网络预测模型。结果表明,粗糙集理论能有效减少数据的维数及噪声,减少神经网络的计算量,结合两种方法能有效提高预测速度和精度。