基于修正组合模型的包头市用水量预测分析

【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。     

三明市马尾松毛虫越冬代幼虫的空间格局

结合三明市马尾松毛虫工程治理中所调查的越冬代马尾松毛虫幼虫种群数量和危害程度,采用概率分布模型、分布型指数及回归模型法探讨三明市马尾松毛虫越冬代幼虫空间分布格局。结果表明,三明市马尾松毛虫越冬代幼虫呈聚集分布,分布的基本成分为个体群。同时,列出林间调查最适抽样数及序贯抽样分析表,提出马尾松毛虫防治的上下限指标,为害虫的综合治理提供了一定的理论依据。     

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。     

卵期气温对马尾松毛虫发生量影响神经网络的分析

基于神经网络非线性数据实证分析表明,马尾松毛虫发生面积(hm2)与上一代防治面积(hm2)、上一代防治效果(虫口减退比率)、卵期极低气温(℃)、卵期平均气温(℃)、卵期积温(日度)具有高度非线性相关性,并可以作为马尾松毛虫预测预报非线性建模因子之一,进行马尾松毛虫灾害预测预报。     

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.     

马尾松毛虫越冬代幼虫空间分布格局研究

根据2008年广西沙塘林场马尾松毛虫越冬代幼虫虫口密度,采用分布型指数及回归模型法探讨了广西沙塘林场马尾松毛虫越冬代幼虫空间分布格局。结果表明,马尾松毛虫越冬代幼虫呈聚集分布,分布的基本成分为个体群。列出了林间调查最适抽样数及序贯抽样分析表,提出了马尾松毛虫越冬幼虫防治的上下限指标,为害虫综合治理提供了一定的理论依据。     

马尔可夫链在马尾松毛虫发生程度预测中的应用

根据广东梅州1975～2002年马尾松毛虫发生程度的历史资料,应用马尔可夫链方法对2003～2005年的马尾松毛虫发生程度进行预测,并对1993～2002年的发生程度进行回测,历史符合率为85%。该方法简便易行,为马尾松毛虫发生程度的长期预测提供了一条新途径。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

灾变模型在马尾松毛虫幼虫发生量预报中的应用

  目的  提高马尾松毛虫Dendrolimus punctatus幼虫发生量预测预报结果的准确性。  方法  利用灰色灾变预测GM(1, 1)模型预测了安徽省潜山县1989-2016年马尾松毛虫越冬代、1代和2代严重发生的年份。  结果  马尾松毛虫越冬代虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}(k + 1) = 9.580\;75{{\rm{e}}^{0.269\;33k}} - 8.580\;75$, 其中k为年序号, ${\hat z^{(1)}}(k + 1)$为灾变年序号。1代幼虫虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}(k + 1) = 18.181\;8{{\rm{e}}^{0.241\;87k}} - 17.181\;8$。2代幼虫虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}$(k+1)=20.123 7e0.197 58k-19.123 7。根据此模型求得已知年份的拟合值与观察值, 对两者差异进行t检验, 差异均不显著, 即拟合值与观察值间吻合度高, 各灾变年精度值平均为84.40%, 84.85%和84.08%, 总体平均精度依次为96.25%, 92.34%和94.09%, 模型精度高。由此推算未来时刻的预测值得到, 从2011年马尾松毛虫越冬代幼虫灾变年算起, 再过10 a即2021年为马尾松毛虫越冬代大发生年。从2011年马尾松毛虫1代幼虫灾变年算起, 再过11 a即2022年为马尾松毛虫1代幼虫大发生年。从2011年马尾松毛虫2代幼虫灾变年算起, 再过9 a即2020年为马尾松毛虫2代幼虫大发生年。  结论  灾变预测对马尾松毛虫幼虫发生量灾变的预报是一种较理想的预报方法。     

江苏侧隆螽对马尾松毛虫的捕食作用

江苏侧隆螽具有个体大,食量大,活动范围广,发生早,捕食作用时间长等特点,是马尾松毛虫的有效天敌之一。1984～1986年,在室内进行了捕食者对不同虫态(龄期),马尾松毛虫的功能反应,测定了捕食者个体间的相互干扰作用及其对功能反应的影响,并建立了参数方程,能在一定程度上描述螽斯对马尾松毛虫卵,幼小幼虫及老龄幼虫的捕食作用。     

马尾松毛虫危害程度分级预报的研究

根据相关系数法筛选出与马尾松毛虫各级危害程度的危害面积相关关系都比较密切的气象因子,分别建立多对多线性回归模型、脉冲响应函数模型、线性差分方程之带输入项的线性自回归模型、人工神经网络模型以及双重筛选逐步回归模型5种马尾松毛虫危害程度分级预报的数学模型。结果表明,运用所建立的5种分级预报模型对预留的4年共16组样本进行预测结果检验,都取得较好的预测效果,其中以线性差分方程之带输入项的线性自回归模型的预测效果最好,人工神经网络模型的预测效果次之,双重筛选逐步回归模型最差。     

马尾松毛虫发生量时空回归预测的研究

[目的]为控制马尾松毛虫的危害提供理论依据。[方法]以1983年9月～1989年9月浙江省仙居县虫情调查资料和气象资料为研究对象,考察各调查点马尾松毛虫有虫面积随气象因子及时间、空间的动态变化,建立马尾松毛虫发生量的时空回归预测模型,并用所建立模型对1989年3代马尾松毛虫有虫面积进行预报检验。[结果]共建立了1个线性、8个非线性马尾松毛虫发生量时空回归预测模型。1989年3代马尾松毛虫实际危害村数及有虫面积分别为141、143、138村和4533．1、4181．3、5166．0hm^2,9个模型预报的3代马尾松毛虫的发生村数均为193村,线性模型预报的3代马尾松毛虫的发生面积分别为3978．5、4159．5、3427．5hm^2,非线性模型预报的各测报点3代马尾松毛虫的发生面积分别与实际最大相差71．6868、99．8359、119．9478hm^2。[结论]所建立模型对马尾松毛虫有虫面积的预报准确率均为66．7％。     

文山松毛虫危害程度与发生范围预测预报研究

编制了文山松毛虫预测预报虫灾级数表，提出了文山松毛虫危害程度初步测报式，利用马尔可夫链模型分析法进行了文山松毛虫发生面积的预测预报，准确性较高。     

利用马尔可夫链方法测报马尾松毛虫发生级别

根据广东郁南1975—2002年马尾松毛虫发生程度的历史资料,应用马尔可夫链方法对2003—2005年的马尾松毛虫发生级别进行了预测,并对1990—2002年的发生级别进行了回测,历史符合率为92.31%。     

福建省马尾松毛虫发生与ENSO事件的关系

以1971～1991年(反)厄尔尼诺事件、南方涛动指数及福建省马尾松毛虫发生程度的资料为基础,探讨它们之间的关系,揭示这种关系产生的内在机制,并建立福建省马尾松毛虫发生预测预报模型.结果表明:福建省马尾松毛虫发生与(反)厄尔尼诺事件年、南方涛动指数总和变动异常年有显著关联;所建立模型精度达83.33%,可以对马尾松毛虫发生、气候异常起监测作用.     

基于多种模型的浙江省入境游客量预测

入境游客量是衡量地区旅游发展的重要指标之一,准确的旅游需求预测可以为旅游规划提供参考依据。本文根据浙江省2001-2011年接待入境旅游游客量及其他相关统计数据,运用BP神经网络法、GMDH模型、逐步回归分析与BP神经网络组合预测法以及BP神经网络与GMDH模型组合预测法,基于影响因子要素对入境游客量进行预测分析。实验证明BP神经网络与GMDH模型组合预测法具有较强的预测优势。