组合预测方法研究及其在电力负荷预测中的应用

文章通过对组合预测模型权重求解方法的研究,给出了一种运用二次规划来求解组合预测模型权重的方法。该方法不仅克服了拉格朗日乘子法不能保证权重非负的不足,而且由于二次规划问题可借助MATLAB软件进行求解,从而简化了求解权重的计算过程。示例计算结果表明,组合预测模型的预测精度明显高于各单一预测模型,误差平方和小于各单一预测模型的误差平方和,从而验证了该方法的有效性。     

基于熵值法的玉米产量组合预测模型

为了提高玉米产量预测的精度.利用熵值法为每种单一预测模型分配加权系数;将各单一预测模型的预测结果加权求和得到了组合预测模型的预测结果,建立了玉米产量组合预测模型.利用2000-2006年玉米产量资料进行模型精度检验,结果表明,组合预测模型的精度有明显提高,说明应用组合预测方法进行玉米产量预测是可行的.     

加工番茄的施肥模型

在土壤条件一定的情况下,获得加工番茄最大产量下的合理施肥量,为加工番茄种植提供施肥模型和施肥量确定方法,采用传统的肥料效应函数法模型和本研究提出的基于BP神经网络的施肥模型2种方法,对氮磷钾施肥配比和最大产量下的关系进行分析与研究。结果表明,BP神经网络施肥模型下的施肥方案优于传统的肥料效应函数施肥模型方案。由此可见,BP神经网络方法建立的施肥模型,在解决土壤养分含量、施肥量、最终产量三者之间复杂非线性关系上具有优势,同时由于它考虑了土壤养分含量,所得的施肥方案更加准确、合理。     

时间序列组合预测模型研究:以农业机械总动力为例

[目的]本文旨在提出更有效的时间序列组合预测模型的构建方法,建立预测精度较高的时间序列组合预测模型。[方法]以1978—2013年新疆农业机械总动力为数据源,建立了源序列的曲线回归、自回归积分滑动平均、3次指数平滑和灰色模型,并构建了预测对象和预测模型的关系数据库。提出了基于百分误差的计算属性重要度方法,依据该方法计算单一模型在组合模型中的权重,构建了单一模型预测值及其权重为输入的组合预测模型,使输出结果中完整的涵盖了时间序列不同单一预测模型的输出值特征。以误差分布特征为指标,对组合预测模型和各单一模型的预测性能进行分析。以组合预测模型拟合优度和预测值平均绝对百分误差(MAPE)作为评价指标,对基于百分误差、粗糙集、Shapley和熵权法的组合预测模型构建方法进行定量分析。[结果]预测周期内提出的组合预测模型的最大及平均误差与各单一模型最优值相比,分别降低了27.35和6.43,误差平方和(SSE)减少了73%,平均绝对百分误差降低了1.56%。基于百分误差的组合预测模型的拟合优度与基于粗糙集、Shapley和熵权法的组合预测模型拟合优度相比,分别提高了2.40%、5.10%和2.27%,粗糙集、Shapley和熵权法的预测值的平均绝对百分误差分别为1.673 0、3.726 1和2.702 4,而本文提出的模型的平均绝对百分误差为1.298 4。[结论]基于百分误差的组合预测模型在农业机械总动力和类似时间序列预测分析中,降低预测误差波动幅度及提高预测精度方面与其他单一模型和组合模型相比具有显著优势。     

重庆市城市生活垃圾产生量预测

提出了用于预测垃圾产生量的变权重组合预测模型,该模型通过把单项预测模型进行组合分析,以误差平方和最小为准则,求出最优加权组合系数,建立组合预测模型.通过实例分析,表明其预测精度高于各单项模型预测值,在城市生活垃圾产生量的预测工作中有一定的应用价值.     

伊宁县温亚尔乡玉米“3414”试验报告

1试验目的为获得玉米最佳施肥量、施肥比例、施肥时期、施肥方法,摸清土壤养分校正系数、土壤供肥能力、玉米养分吸收量、肥料利用率以及肥料效应函数等基本参数,为伊宁县玉米施肥模型、施肥分区和肥料配方提供依据。     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

安哥拉马兰热黑石农场玉米最佳施肥量研究

为了掌握马兰热黑石农场玉米种植的最佳施肥量及施肥方法,进行了N、P、K肥料效应田间试验,建立肥料效应函数方程,据此推算出了玉米获得最佳产量时的氮、磷、钾肥用量,同时测定玉米养分的吸收量,获得玉米最佳施肥参数,为今后玉米科学施肥提供参考依据。     

组合预测方法及其在土壤水分预测中的应用

本文简要介绍了当前较为流行的一种新的预测方法—组合预测方法及最优权数的计算。并利用此方法对预测土壤水分含量的两个单一预测模型进行综合处理,得到了土壤水分含量的组合预测模型,从统计分析和回归检验中可以看出,组合预测模型较原两个单一预测模型的预测精度有较大的提高。     

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。     

组合预测模型在黑龙江省农机总动力预测中的应用

农机总动力是反映和评价农业机械化水平的一个重要指标.通过对黑龙江省农机总动力历史数据进行分析,建立了指数模型、GM（1,1）模型和BP神经网络模型3种预测模型,其次,应用基于离异系数法、二次规划法、Shapley值权重分配法分别构建组合预测模型.拟合结果表明,各种组合预测模型优于各单一模型.最后应用基于Shapley值权重分配法对黑龙江省农机总动力进行组合预测,为制定农机动力发展规划提供了依据.     

BP神经网络在小麦赤霉病气象预测中的应用*

 应用BP神经网络的方法建立四川资中小麦赤霉病发病的预报模型,为预防小麦赤霉病发病提供科学依据。根据四川资中小麦赤霉病发生发展的气象生理指标及历年该病发生的统计资料,借助人工神经网络强大的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法——Traincgf,建立了小麦赤霉病发病的气象预报模型。该模型不需要事先确定数学模型,拟合与预测的平均绝对偏差分别为0.01,0.05,优于多元线性回归模型的0.17,0.29。BP神经网络预报模型的拟合精度和预报精度都较高,优于多元线性回归模型,能很好地实现预期效果,对小麦赤霉病发病的预测预防工作具有一定的指导意义。     

堆肥施用量对全株青贮玉米产量和营养价值的影响

【目的】探讨与化学肥料相比施用堆肥对青贮玉米饲料生产能力的影响,为生产中合理施用堆肥进行青贮玉米生产提供理论依据。【方法】采用单因素随机区组试验设计,3个不同堆肥的施用处理分别为20、40和60 t•hm-2,以施用化学肥料（尿素400 kg•hm-2＋过磷酸钙450 kg•hm-2＋钾肥（K2SO4）300 kg•hm-2）为对照组,每个处理3个重复。通过测定各处理单位土地面积的鲜物质产量、干物质产量、营养物质含量、养分瘤胃降解率,得出不同堆肥施用量对青贮玉米单位土地面积生物产量、营养物质产量、可降解营养物质产量等指标的影响,从而对施用堆肥的青贮玉米饲料生产能力进行综合评定。【结果】随堆肥施用量的增加,全株青贮玉米中蛋白质、脂肪、总能含量均显著增高（P＜0.05）,粗纤维的含量显著降低（P＜0.05）,总碳水化合物含量差异不明显（P＞0.05）。同时,提高堆肥施用量增加了全株青贮玉米中蛋白质、脂肪、总碳水化合物、总能的瘤胃降解率（P＜0.05）。各堆肥处理组全株青贮玉米生物产量、营养物质产量、瘤胃可降解营养物质产量和相对饲料价值均高于对照组（P＜0.05）。【结论】与化学肥料相比,施用堆肥提高了青贮玉米的生物产量和饲用品质,本试验条件下最适的堆肥施用量为40 t•hm-2。     

抚仙湖流域中长期水文预报方法研究

为了提高中长期水文预报的精度和可靠度,采用周期均值叠加、平稳时间序列和人工神经网络3种方法,建立抚仙湖流域年降雨量中长期预报模型,通过对比分析,探究适用于抚仙湖流域的中长期水文预报方法。     

春玉米施肥优化的数学模型分析

[目的]寻找高产、高效的施肥方案,同时提出比较切合实际的推荐施肥量、养分配比。[方法]采用二次回归D-最优设计("3414"方案),对春玉米需肥量最大的氮、磷、钾素合理配比进行研究,建立春玉米N、P、K合理配比的施肥数学模型。[结果]在试验条件下,通过"3414"春玉米肥料效应试验,获得肥料效应函数方程理论氮、磷、钾最佳施肥量为:N 180.46 kg/hm2,P2O575.08 kg/hm2,K2O 75.38kg/hm2。通过主效应分析,三因素中对产量影响最大的为氮,其次为磷,钾的影响最小。[结论]应用数学模型,可以揭示各施肥因子间相对变化的规律。通过调整施肥量,可以获得高产量,最大限度地发挥春玉米的增产潜力。     

基于改进神经网络的农村电力系统短期负荷预测

为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模型具有较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。     

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。     

农作物虫情的模糊神经网络预测模型

利用BP神经网络建立的农作物虫情预测模型,其算法存在收敛速度慢、网络泛化能力差等缺点,可影响预测精度。为进一步提高预测精度,将人工神经网络与模糊系统结合,建立基于模糊神经网络的农作物虫情预测模型;并将该模型与基于BP神经网络算法的预测模型进行比较。结果表明,模糊神经网络的预测模型预测精确度比较高,训练速度比较快;该模型给农作物虫情预测提供了一种新方法。     

城市用水量非线性组合预测方法研究

利用小波网络构造模型的优化组合函数,建立了城市用水量非线性组合预测模型.将非线性组合函数的拟合转化为小波网络参数的估计,采用遗忘因子法训练网络的权值,利用递推预报误差算法训练尺度因子和平移因子.实例表明,该方法具有很强的泛化能力与自适应数据和函数变化的能力,能够有效提高预测精度,克服了线性组合预测方法适应性不强的问题.