基于时间序列的大型灌区日退水量预测模型研究

采用时序图和自相关图相结合的方法,对大型灌区的日退水量时间序列进行了分析,建立了灌区日退水量时间序列ARIMA模型,并以宁夏青铜峡灌区为例进行了实证研究,取得了较为精确的结果,为灌区退水量的准确预测提供了理论依据。     

时间序列分析在儋州橡胶产量预测上的运用

运用时间序列方法对海南省儋州市1980～2003年的天然橡胶干胶产量情况进行分析.以此建立并验证儋州市天然橡胶干胶产量预测模型,并运用该模型对2004～2010年的橡胶干胶产量进行预测.结果表明:建立的模型能基本反映儋州橡胶产量的基本规律;但是随着预测时间的推移,以及其他因素的影响,预测结果的准确性随之下降,因此必须将...     

基于时间序列的黑龙江省粮食产量预测

应用时间序列分析方法,建立粮食生产动态模型,利用黑龙江省1980～2006年粮食总产量的数据进行了粮食产量的预测。将预测数据实际数据对比,结果表明：抛物线型趋势线平均百分误差为9.60,平均绝对误差为215.80,平均偏差平方和为70 281.90是准确度最高的。而指数型趋势线预测值在最近4年内最接近实际产量,其精度分别达到98.32%、97.31%、96.35%和94.02%。     

落叶松树木直径生长时间序列分析及预测模型研究

为更好地对落叶松林进行经营,以落叶松解析木为研究对象,应用R／S分析法对落叶松树木直径生长进行了分析。结果表明,树木直径生长具有一定的规律性;同时建立了以树木年龄为自变量,H指数为因变量的线性模型与幂指数模型,模型相关系数均≥0．97,表明拟合效果明显,可以用来预测直径的生长。此研究结果对于落叶松林的经营具有十分重要的指导意义,也为后续的研究奠定了一定的基础。     

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。     

基于时间序列与横截面数据的吉林省水稻产量预测对比分析

【目的】对比不同模型预测效果,分析各模型预测水稻产量的特点、不足及适用条件,为粮食产量预测问题模型选择提供依据。【方法】从时间序列预测和横截面数据预测两种角度,利用ARIMA、LSTM、SVR、MLP这4种模型,通过吉林省水稻产量、病虫害及其他特征历史数据对吉林省水稻产量进行预测,并对不同模型的预测结果进行了对比分析。【结果】基于ARIMA模型和LSTM模型的时间序列预测结果较好,横截面数据预测中,原始数据经主成分分析PCA降维处理后,可提高模型预测性能。【结论】对于水稻产量预测,应根据掌握的影响产量因素的数据以及趋势延续性情况合理选择预测模型,以达到较理想的预测效果。     

吉林省吉林市农业产值增长率的时间序列分析

利用时间序列分析方法,对吉林省吉林市历年农业产值的增长率建立 ARMA 模型,并依模型对未来进行预测。应用不同的分析方法,将得到不同的预测结果。利用时间序列分析法,可以客观地从数据内部出发,寻找其发展规律,而不必考虑外在因素带来的影响。分析发现,未来几年吉林市农业产值增长率趋于平稳。     

基于时间序列趋势图的我国粮食产量主要影响因素分析

依据改革开放以来我国粮食生产的历年样本数据,选取影响粮食总产量的播种面积、化肥施用量、有效灌溉面积、受灾面积、机械总动力、粮食生产成本指数、粮食生产价格指数、财政支农资金等8个主要因素,并将这些因素划分为物质投入、资源环境和政策因素3类,运用因子分析方法,对这些典型影响因子通过时间序列趋势图逐一进行多角度分析.结果发现,化肥施用量、粮食播种面积和旱灾面积成为影响粮食产量的关键因素.在此基础上,针对如何提高粮食综合生产能力提出相应的对策措施.     

基于时间序列数据的粮食播种面积单产预测模型研究

采用了一种基于时间序列数据的灰色—线性回归模型对广西某市的粮食作物播种面积的单产进行了预测,并将预测结果及预测误差与线性回归模型及灰色GM（1,1）模型的预测结果进行了比较。结果表明,灰色—线性回归组合模型进行粮食作物耕地需求量预测精度较高,具有科学可行性。     

时间序列分析关键问题研究

简要介绍了时间序列的定义、模型及型态,重点研究了时间序列分析的相关内容,最后对其未来发展方向进行了展望。     

基于时间序列的天然林林分直径分布预测模型

基于长期跟踪复测数据,对比贝塔分布模型、威布尔分布模型和负指数分布模型的拟合效果,从中选择效果最佳的负指数分布模型,推导其参数a和K的变化规律,构建具有时间序列的直径分布预测模型。结果表明,具有时间序列的负指数分布模型可以预测自采伐算起30 a内的林分直径分布,为林分生长动态的研究奠定了基础。     

股票盈利率的时间序列分析

本文从市盈率数据出发,利用时间序列分析对中国银行股票的市盈率方法进行建模,并对其进行短期分析和预测。     

基于时间序列的金华市梅汛期降雨量预测

根据金华市7个县（市）1968～2012年梅雨汛期降水量的实测数据,对金华市梅汛期降水基本特征进行分析,并运用平稳时间序列的线性外推法建立各个地区降水量的预测模型。结果表明,金华地区梅汛期降水量的年际变化呈多峰型,但从总体形势上看．近45年的梅雨量是呈上升趋势;经检验,浦江等地区预测的中长期结果具有较高的精度,说明平稳时间序列的线性外推法建立的预测模型对这些地区梅雨期降水量的预测较准确,此预测模型可以为中长期降水预报及政府部门决策服务提供强有力的科学支持。     

最优加权预测在吉林省粮食产量预测中的应用

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,并预测出吉林省2008-2015年的粮食产量:2008年的粮食产量为2798.8万t,2015年将达到3377.01万t,年均增长率为2.72%.     

基于SVR的多维时间序列农业经济预测模型

基于支持向量回归(SVR)并融合带受控项的自回归模型(CAR),建立了一种既反映样本集动态特征又体现自变量影响的非线性多维时间序列分析预测方法(SVR-CAR)。用一步预测法对两个经济学样本集的预测结果表明,SVR-CAR在所有参比模型中预测精度最高,并具结构风险最小、非线性、避免过拟合、泛化推广能力优异等诸多优点。SVR-CAR在农业经济预测等多维时间序列分析领域有广泛应用前景。     

运用混沌理论预测粮食产量

运用混沌理论的原理和方法预测粮食产量,探寻一种准确率高、时效长、成本低、便于普及推广的区域粮食产量预测方法。把粮食单产序列分解为趋势产量和气象产量2部分,用5年滑动平均法求得趋势产量后,通过分析粮食单产中气象产量分量的时间序列的变化规律,论述了由气候变化引起气象产量的年际波动具有混沌特性,具体表现为平稳的马尔柯夫型状态转移概率和相同的概率密度分布特点。并以陕西省武功县、河北省禹县和涿州3个地区1949—1999年小麦单产序列为例,运用MATLAB7.0语言编程构建了粮食产量的混沌预测模型,对2000年小麦单产进行预测,准确率分别为98.1%、92.1%和97.1%。预测结果表明,粮食产量的混沌预测法相对准确而有效,准确率在92%以上,可作为粮食产量预测的新方法加以推广。     

基于小波分析的西昌市降水时间序列变化特征

利用1951～2008年西昌市降水资料,采用回归分析和Morlet小波分析方法,研究了西昌市季节、年降水量变化的多时间尺度的周期性变化规律,并对西昌市中短期降水状况进行了预测。结果表明,近58年来西昌市年降水量呈下降趋势,降幅为-2.300mm/10年;各季节有增有减,春、秋季变幅较大,春季增幅为5.711mm/10年,秋季降幅为-9.635mm/10年;夏、冬季节波动不大。季节、年降水量存在着多重时间尺度下的周期变化特征,多重时间周期尺度相互嵌套,春季的主要振荡周期为4和35年,夏季为3、15和42年,秋季为3、7、11和18年,冬季为4和15年,年降水量为3、7、15和22年。不同时间尺度,具体年份对应的相位不同,降水变化趋势的预测结果也不同。     

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。