PCA-BP模型在城乡建设用地规模预测中的应用

为探索提高BP神经网络在建设用地规模预测中的精度,提出主成分分析(PCA)和BP神经网络相结合的建设用地规模预测模型,并利用PCA-BP模型对山西省晋城市建设用地规模进行预测。首先,利用Pearson相关系数法分析筛选出影响建设用地规模的主要驱动因子;其次,利用主成分分析法(PCA)消除其相关性,并达到降维的目的;最后,以PCA结果作为输入层建立建设用地规模的BP神经网络模型,并利用BP模型进行训练预测,得到最终预测值。预测结果表明,PCA-BP模型的平均绝对误差MAE、平均相对误差MRE、均方误差MSE比传统BP神经网络模型小,平均预测精度R更高,具有较高的拟合度及可行性,在预测效率和预测精度方面都有进一步的改善。该方法的提出能为今后科学合理预测建设用地规模提供一种新思路,同时为土地利用总体规划修编提供重要决策基础。     

山东省花生年产量的组合预测模型研究

以山东省花生年产量为研究对象.针对花生年产量的强烈波动性而导致的预测难、准确率低等难题,提出了一种基于GM(1,1)和RBF神经网络的组合预测模型,利用GM(1,1)来捕捉花生年产量的总体趋势,RBF神经网络来预测带有强烈非线性的残差项;同时为了提高RBF神经网络的训练速度和精度,针对标准遗传算法存在的早熟现象和收敛速度慢的缺点,提出了一种改进的自适应遗传算法,对RBF神经网络的初始参数进行优化.试验结果表明,组合预测模型可以较准确预测花生年产量,说明了组合预测模型的可行性.     

KPCA_SVM水文时间序列预测模型的建立与应用

【目的】建立水文时间序列预测的核主成分支持向量机(KPCA_SVM)模型。【方法】利用核主成分分析(KPCA)对输入数据进行非线性特征信息提取,并将提取的特征信息作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA_SVM预测模型。以甘肃民勤地区的月蒸发量为例,对模型的预测效果进行检验。【结果】预测结果表明,KPCA_SVM模型预测效果优于PCA_SVM模型和LSSVM模型,预测平均相对误差为8.36%。【结论】KP-CA_SVM模型的预测效果优于没有特征提取的LSSVM模型。与主成分分析(PCA)提取特征相比,KPCA特征提取效果更好。     

基于PCA-RBF神经网络模型的果蔬冷链物流需求预测

为了提高果蔬冷链物流需求预测的准确性,在分析果蔬冷链物流需求的影响因素后,应用PCA提取影响果蔬冷链物流需求的主要因子,将主要因子输入PCA-RBF神经网络模型进行模拟计算。研究结果表明:与RBF神经模型比较,PCA-RBF神经网络模型具有网络结构更为简单、需求预测精度更高的优点。     

昌吉市建设用地需求量预测研究

在昌吉市新一轮土地利用规划修编工作如火如荼进行的大背景下,通过对昌吉市建设用地进行分析,采用2000—2009年的建设用地数据,确立相关影响因子,建立了灰色系统GM（1,1）模型和BP神经网络预测模型并分别进行精度验证,综合两个模型的优点,预测出2015年和2020年的建设用地需求量,为昌吉市新一轮土地利用规划修编工作提供决策依据和技术支持。     

基于主成分分析和粒子群优化神经网络的粮食产量预测

粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。     

基于神经网络分析的北京城镇农产品冷链物流需求预测

为了预测由居民消费所引起的农产品冷链物流需求,从农产品供给、社会经济、冷链发展、人文发展、物流需求规模5个角度构建影响指标体系,利用BP神经网络和RBF神经网络在需求预测中的优势,建立基于主成分分析和神经网络组合模型的需求预测模型,并以北京为例,对两种模型的预测结果进行对比分析。结果表明:通过灰色关联度分析各个影响指标,发现北京市城镇人口数量、第一产业增加值、第三产业占GDP比重等因素对农产品冷链物流需求量的影响最大;预测到2020年北京城镇居民农产品冷链物流需求将达到642.27万t;所建立的模型对冷链物流需求及其影响因素的非线性关系方面有较高的精度和应用价值,能够为农产品冷链物流规划者及政府提供定量决策依据。     

残差修正模型在森林火灾预测中的应用

基于1990-2013年福建省森林火灾发生次数建立残差修正模型,并与BP神经网络模型、马尔科夫链模型、赋权组合预测模型进行比较.结果表明:残差修正预测模型的预测精度达到95.33%,而BP神经网络模型预测精度是87.77%,马尔科夫链模型预测精度为74.85%,赋权组合预测模型预测精度为88.3%,残差修正模型预测效果优于其他3个模型,说明使用其对离散的森林火灾数据进行短期预测是有效可行的.     

基于可见-近红外光谱和神经网络的土壤类型鉴别

提出一种利用近红外光谱快速、无损鉴别土壤种类的方法。首先利用近红外光谱仪测定不同种类土壤的光谱特征曲线,利用主成分分析法提取主成分,再结合人工神经网络建立模型进行类型鉴别。主成分分析表明,主成分1、2、3的累积方差贡献率达到99.839%,可以很好地代表原始数据特征。以主成分分析得到的前3个主成分作为神经网络输入,以土壤类型为输出,通过对30个样本的训练学习,分别建立了反向传播人工神经网络(BP)和径向基函数人工神经网络(RBF)。对10个样本进行预测,结果表明2种模型预测的准确性均达到100%。RBF神经网络运行时间明显小于BP网络,具有一定优势。     

基于PCA-RBF神经网络模型的果蔬冷链物流需求预测

为了提高果蔬冷链物流需求预测的准确性,在分析果蔬冷链物流需求的影响因素后,应用PCA提取影响果蔬冷链物流需求的主要因子,将主要因子输入PCA-RBF神经网络模型进行模拟计算。研究结果表明:与RBF神经模型比较,PCA-RBF神经网络模型具有网络结构更为简单、需求预测精度更高的优点。     

高温高压蒸汽改性落叶松木材力学性能预测模型的建立

利用RBF神经网络和支持向量机两种算法建模,分析落叶松高温高压蒸汽改性工艺参数与其力学性能关系;以落叶松热处理的温度、相对湿度、处理时间3个主要工艺参数作为网络输入,建立了RBF神经网络和支持向量机预测模型,并对两者进行比较。结果表明:支持向量机模型,在网络建立结构、收敛速度和泛化能力上更具优势。     

基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

基于KPCA RVM的土石坝沉降预测模型研究

【目的】针对土石坝坝体沉降存在多变量、强耦合、强干扰的复杂问题,建立基于KPCA-RVM的土石坝沉降预测模型。【方法】利用核主元分析(KPCA)对输入向量进行降维处理,以减少因子个数,随后利用相关向量机(RVM)模型对土石坝沉降进行预测,并以平均相对误差为指标对预测精度进行评价。【结果】实例应用表明,KPCA-RVM模型将输入向量由14个降低到7个,预测结果的平均相对误差仅为0.9%,预测效果得到明显提升。【结论】利用KPCARVM模型对土石坝进行沉降预测,不仅可以减少输入向量个数,而且可以提高预测精度,可在实际工程中推广应用。     

近红外光谱技术在玉米种子活力检测中的应用研究

利用近红外光谱和BP神经网络建立玉米种子活力的快速无损检测模型。首先通过人工老化将样本按老化程度分为3种级别,分别采集样本的近红外光谱。对原始光谱进行矢量归一化预处理以消除光谱噪声。然后利用主成分分析(PCA)方法提取光谱特征,作为BP神经网络的输入,依据预处理及特征提取构建出BP神经网络种子活力检测模型。试验结果表明,该识别方法的准确率为90.3%,平均识别时间为27.36 ms。研究结果为玉米种子活力的快速无损检测提供了理论依据和实用方法。     

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。     

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.     

建设用地需求预测改进思路及应用

分析建设用地规模变化的驱动因素,构建基于生产函数市场修正的建设用地需求预测模型,并以南通市为例进行实证分析。结果表明:南通市资本、人口等对土地资源的替代作用日益明显,土地呈现集约利用趋势,土地市场发育能有效减少土地过度性损失。研究结论:将制度变量引入建设用地需求预测模型,能更好的模拟和预测建设用地规模变化。     

基于RBF神经网络马尔可夫模型的淮河流域汛期暴雨量预测

利用淮河流域1960-2007年172个台站汛期（6-9月）逐日降水资料,选取40个代表站,统计出代表站48年间逐年汛期暴雨量并建立时间序列,针对RBF神经网络和马尔可夫预测的优缺点,建立起RBF神经网络与马尔可夫模型相耦合的预测模型,并将该模型应用于淮河流域2006-2007年汛期暴雨量预测,预测结果令人满意。     

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.     

基于PSR模型的江苏省国家级开发区土地集约利用评价分析

将"压力-状态-响应"(PSR)模型引入到开发区土地集约利用评价指标体系中,采用主成份分析方法,对江苏省20个国家级开发区土地集约利用水平进行评价分析。研究结果表明,PSR模型评价指标体系及主成份分析方法,能较好地适应开发区土地集约利用评价的需要;江苏省国家级开发区主要受土地资源条件、土地利用程度、用地结构状况及经济效益影响,开发区所在母城经济状况及区位条件也是影响土地集约利用的因素;开发区土地集约利用不仅要注重提高土地利用的产出效益,还要特别重视土地使用面临的压力和反馈能力的建设。