时序数据挖掘技术及其在粮食产量预测中的应用研究

随着信息技术的飞速发展,数据挖掘受到越来越多的关注.时间序列数据挖掘是数据挖掘的重要内容.介绍了时间序列数据挖掘的研究现状及时间序列模型的相关内容,并采用时序数据挖掘工具预测粮食的产量.结果表明,运用时序数据挖掘的方法具有较高的预测精度.     

对未来我国粮食需求数量预测的研究

由于我国粮食消费数量缺乏公开的政府统计数据,实际研究中存在着采集难度大,准确性差;作者将粮食消费按照食用消费和非食用消费进行分类,基于非食用消费数量相对稳定,通过分析食用消费数量与居民年均人收入增长率的关系,建立我国粮食消费数量预测模型。研究结果表明,预测模型的拟合度等统计指标高度显著,其对未来的预测准确性有待时间检验。     

基于冠层时序植被指数的冬小麦单产预测

【目的】研究冬小麦冠层时序植被指数的动态变化规律并基于其构建单产预测模型,为田间实时、准确获取作物单产信息提供有效的技术手段。【方法】本研究于2017—2019年在江苏省兴化市万亩粮食产业园开展不同品种及氮肥水平的田间小区试验,利用主动传感器RapidSCAN CS-45获取冠层归一化红边植被指数（normalized difference red edge,NDRE）和归一化植被指数（normalized difference vegetation index,NDVI）,基于双Logistic函数拟合时序植被指数并提取曲线特征参数,进而分析各特征参数与单产的相关关系,并以独立试验数据对单产预测模型进行验证。【结果】NDRE在孕穗期和抽穗期与单产关系最好,R²达到0.84以上;通过多元逐步线性回归法发现,利用2个或多个时期NDRE预测单产的效果较单生育时期有所提高,且第一和第二被选择的时期分别为拔节期和孕穗期。基于全生育时期相对NDRE（relative NDRE,RNDRE）和相对NDVI（relative NDVI,RNDVI）构建时序曲线,并利用曲线特征参数建立单产预测模型,其中RNDRE和RNDVI的最大值、累积值及增长速率与单产关系较好。利用独立试验数据对上述单产预测模型进行检验,结果表明基于RNDRE时序曲线最大值和累积值所构建的单产模型验证效果较好,R²大于0.80,相对均方根误差和相对误差均小于10%,其验证效果优于单时期或多时期基于NDRE的预测模型,且优于基于NDVI构建的单产模型。【结论】基于冠层时序植被指数提取的特征参数RNDRE最大值和累积RNDRE具有良好估测单产的潜力,研究结果为田间进行实时、准确预测冬小麦单产提供了技术支持。     

广西粮食消费需求趋势预测分析

文章分析了广西20多年来粮食消费变化的特点和影响粮食消费需求的因素,采用灰色系统预测模型对近期粮食消费需求进行预测与分析,提出2010年广西粮食需求量及提高粮食自给能力的对策措施。     

时序建模及其在农药降解动态模拟中的应用

用数学方法对农药残留量进行预测预报及动态模拟，对于合理使用农药，加强环境保护具有重要意义。作者用时间序列分析的理论与方法，研制农药残留定量预测模型，给出参数估计，提出非平稳时序叠合模型，对农药降解规律进行动态模拟，并以剩余平方和作为优化住民其他方法进行比较。实例计算结果表明：时序模型预测值与实测值拟合程度优于其他模型，简便实用。     

粮食单产遥感预测方法

本文介绍了通过时序遥感植被指数进行粮食单产预测的方法。以NOAA-AVHRR数据为基础数据源，提取区域作物生长过程曲线，并对曲线进行时序分析，提取曲线特征参数，采用参数-产量拟合法、产量分解法和产量差值法三种建模方法，分别对各参数与粮食单产、波动单产和差值单产进行相关分析，得到区域粮食单产敏感因子，并采用线性拟合的方法建立各地区不同类型的单产预测模型，从三种模型中选取置信度最高的模型作为最终单产预测模型。依据此方法对全国26个秋粮主产省份2004年单产进行预测，并将最终的预测结果与国家统计局数据进行对比分析．两者之间的误差在-4．9至11．59之间．相关系数为0．947。     

时序建模及其在农药降解动态模拟中的应用

用数学方法对农药残留量进行预测预报及动态模拟，对于合理使用农药，加强环境保护具有重要意义．作者用时间序列分析的理论与方法，研制农药残留定量预测模型，给出参数估计，提出非平稳时序叠合模型，对农药降解规律进行动态模拟，并以剩余平方和作为优化标准与其他方法进行比较．实例计算结果表明：时序模型预测值与实测值拟合程度优于其他模型，简便实用     

R-T组合预测模型的建立及其在耕整机发展预测上的应用

回归预测技术应用广泛,方法理论较成熟;时间序列分析则是经济模型构造的进一步研究方向。实际应用中,两种方法都有局限性。作为这两者的组合,本文详细阐述了回归-时序(R-T)组合预测模型的建立,并用之对耕整机的发展作了科学的预测。     

基于时序残差辨识的终霜日灰预测模型研究

终霜冻出现的早晚是影响宿州市春播作物和越冬作物生长发育的重要因素。根据季节事件灰预测机理和时序变量灰化处理思想建立时序残差GM(1,1)修正模型,模型精度有所提高,对终霜期的长期预测具有一定的参考价值。     

基于优化灰色模型的河北省粮食总产量预测分析

根据《河北经济年鉴2013》中最新修订的2007—2012年农业经济统计资料,运用灰色系统理论和方法,对河北省粮食总产量建立了优化灰色预测模型,并对此模型进行了分析检验,得到该预测模型的精度为一级。与常规GM(1,1)模型相比较,优化灰色模型能够明显地提高预测精度,增强预测的可靠性,有很强的实用价值。利用所建模型,对2014—2019年河北省粮食总产量进行预测,预测结果表明:2014年河北省粮食总产量预计达到3 450.8万t,未来几年还会继续稳步上升,2019年河北省粮食总产量有望突破4 000万t,为全国粮食供给提供了强有力的保障。     

湖北省粮食总产气象预报模型

为探讨湖北省粮食总产气象预报模型,选用高空大气环流资料、地面气象资料和统计局历年产量资料,从全年粮食总产量的构成进行分析,提出并比较了4种粮食总产气象预报模型.预报模型采用线性或非线性方程进行模拟.从理论和实际两方面分析了每种模型的可行性.通过2 a的试运行和2006年的实际应用,效果很好,3 a来,此模型对湖北省粮食产量预测预报的准确率达98.1%～99.3%.确定用"分组模型"的方法建立湖北省粮食产量气象预报模型.     

运城市粮食产量综合预报模型

基手运城市13个台站1971～2010年间的冬小麦和秋粮单产、作物生长期间的气温、降水和日照等地面资料以及海温、高度场资料．运用滑动平均、调和权重、逐步回归等方法分析了气象条件与冬小麦和秋粮单产的相关关系,分别建立了冬小麦、秋粮产量各种预报模型,并在此基础上建立了冬小麦、秋粮产量综合预报模型,其拟合效果和试报效果甚佳,可投入业务应用。     

组合预测模型在农业经济研究中的应用——以吉林省粮食产量为例

根据最优加权理论来确定权重,将时间序列模型、指数平滑模型和GM(1,1)预测模型加以组合,利用吉林省1952~2007年的粮食产量统计数据,建立了吉林省粮食产量的组合预测模型;并预测出了吉林省2008~2015年的粮食产量和年均增长率。     

河北省分季粮食产量预测研究

在综合分析河北省粮食产量影响因素的基础上,运用回归分析、时间序列分析和专家经验分析等预测和决策方法,建立了河北省粮食总产和夏粮的多因素预测模型,该模型的拟合优度高于其他模型。应用模型预测了2013年河北省粮食总产和分季粮食产量,结果表明,若不发生大面积的自然灾害,2013年河北省粮食总产将达到3311.7万t,比2012年增加65.1万t,增长2.0%。其中,夏粮产量约为1366.8万t,比2012年增加13.7万t,增长1.0%;秋粮产量约为1944.9万t,比2012年增加51.4万t,增长2.7%。     

小麦赤霉病流行程度的农业气象动态预测模型

[目的]建立泰州地区小麦赤霉病发生程度的动态预测模型。[方法]以1987~2006年泰州地区小麦赤霉病发生程度为研究对象,以旬为时间跨度,选取相关系数较高且稳定性好的预测因子,然后在逐步回归分析方法的基础上,集成建立泰州地区小麦赤霉病发生程度的动态预测模式。[结果]泰州地区影响小麦赤霉病发生程度的主要是4月下旬平均相对湿度、5月中旬平均相对湿度。从整体气象条件来看,降水日数和平均相对湿度对小麦赤霉病的发生在气象条件上为一定的诱因。预测模式的回报检验显示该模型的预测效果比较理想。[结论]该研究为小麦赤霉病的有效防治提供了依据。     

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。     

组合时间序列模型及其在我国农业总产值预测中的应用

基于组合预测理论,首先建立了我国农业总产值的ARIMA和Holt双参数线性指数平滑单项时间序列预测模型;对模型进行检验后,根据标准差法对各模型进行权重分配,建立我国农业总产值组合预测模型。通过对比证明,组合时间序列模型能在一定程度上克服单项模型缺陷,提高预测精度。     

组合模型分析方法在我国粮食产量预测中的应用

尝试将组合预测法应用于我国未来粮食产量的预测,以提高预测精度。通过赋予合理权重,将C-D生产函数模型、多元回归模型和指数平滑模型加权组合。对各模型进行平均绝对百分误差(MAPE)、希尔不等系数(Theil IC)和均方根误差(RMSE)等指标的比较,证明单一模型经过组合能够提高预测精度。     

基于时序数据挖掘的期货分析与预测

简述期货预测的发展过程,概述基于时间序列分析与挖掘的相关理论和量化模型,指出期货预测建模理论的发展趋势和模型实践的方向。