基于经验模态分解和支持向量机的农产品价格短期预测

针对农产品价格序列非平稳、非线性的特征,提出一种基于经验模态分解和支持向量机的短期农产品价格组合预测方法。以全国苹果批发价格的周度价格序列为研究对象,首先对价格序列进行非平稳、非线性检验;然后将价格序列分解成一系列具有不同特征尺度的分量;最后针对各分量的特点分别构建支持向量机模型进行预测,得到苹果批发价格的预测值。研究结果表明,该预测模型能够更好地追踪农产品价格的变化,其预测精度与BP(back propagation)神经网络模型相比有显著提高。     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。     

基于经验模态分解的滑坡变形监测模型

应用GPS技术对滑坡体进行监测,监测的特定环境使得GPS监测数据中的非模型误差呈现一定的特征。针对滑坡环境下GPS基线向量较短、系统性误差周期性强的特征,讨论应用经验模态分解对GPS滑坡监测数据去噪。在此基础上,应用灰色预测系统建立滑坡变形预测模型,用实测数据比较一般观测数据与结合经验模态分解的去噪观测数据建立模型的预测精度。应用云南某滑坡体的监测数据验证算法的可行性与有效性。     

基于小波神经网络的气温预测研究

主要参考温度信号的固有特性,以1951～2014年的重庆市温度数据为例,使用小波神经网络(WNN)对温度进行预测估计.实证结果表明,该研究建立的小波神经网络能够对未来气温进行较好的预测,进而可应用于天气衍生品定价等领域,实现对冲天气风险.     

基于经验模态分解与人工神经网络的参考作物腾发量混合预测模型研究

为了提高具有非线性和非稳定性特征的参考作物腾发量(ET0)时间序列的预测精度,提出基于经验模态分解(EMD)的BP神经网络预测模型。以大连地区1970~2006年间逐月ET0序列为例,首先应用经验模态分解(EMD)方法将ET0序列分解为具有不同尺度特征的本征模态函数(IMF),然后运用BP神经网络对ET0序列和分解得到的IMF进行训练,得到ET0序列的预测模型,并对ET0进行预测,最后将预测值及单纯的BP神经网络预测值分别与真实值进行对比分析。结果表明:EMD-BP模型预测值的平均绝对百分误差(MAPE)、均方根误差(RMSE)、平均绝对差(MAD)及判定系数(R2)分别为1.32%,0.0327,0.0278,0.9967;而BP模型相应的指标值分别为8.50%,0.2583,0.1839,0.8967。显然,EMD-BP模型的MAPE、RMSE、MAD值较小且R2值较大。因此,其预测精度及稳定性均优于单纯的BP模型,可作为ET0预测的一种参考。     

基于小波神经网络的麦蚜发生量预测研究

以1979—2014年麦蚜历年发生量及气象数据为基础,采用逐步回归法筛选出对麦蚜发生量影响最大的气象因子,以筛选出的气象因子和1979—2009年麦蚜发生量作为训练集建立了小波神经网络预报模型,用该模型对2010—2014年麦蚜发生量进行预测,结果显示,小波神经网络预报模型的预报结果较准确。     

基于机器学习和经验模态分解的跨期套利研究

采用滚动经验模态分解(EMD)方法对沪深300股指期货当月和下月合约的价差波动进行分解,分别利用Elman网络、随机森林(RF)、支持向量回归(SVM)3种机器学习模型及自回归移动平均模型(ARIMA)对不同频率信号进行分析,合成最终的预测结果,并根据预测结果设计跨期套利策略.研究结果表明:SVM,RF和ARIMA模型的预测精确度相对Elman网络较高,所有模型均能取得较高的套利收益,将非线性模型和线性模型融合使用能够改善模型的风险控制能力;将机器学习预测与EMD分解技术相融合可以在不提高风险的同时大幅度提高模型的收益率,从而使得模型的夏普比率和索提诺比率均有较大幅度上涨;分样本检验、全IMF信号预测以及基于商品期货市场的套利分析,均证明融合EMD的机器学习模型可以获得比纯机器学习模型更优异的套利效果.研究结论有助于促进人工智能与金融学的交叉融合研究,同时也为期货投资提供了理论和现实参考.     

基于小波神经网络的城市用水量长期预测研究

针对城市年用水量时间序列的非线性和多时间尺度特性,应用小波分析方法对年用水量时间序列的趋势性、周期性和随机性进行了分析。在此基础上,建立了用于城市用水量长期预测的小波神经网络耦合模型。并利用此模型对昆明市年用水量进行预测,预测结果表明,该模型应用于城市用水量的长期预测具有较高的预测精度和良好的推广能力。     

基于EMD分解的拉曼光谱小波去噪方法

拉曼光谱中尖峰及其临近信号频率极高,常规去噪方法难以区分高频噪声与特征峰信号,所以拉曼光谱去噪一直是该领域内研究热点和难点。针对该问题,提出临界分量判别法,该方法通过计算经验模态分解(empirical mode decomposition,简称EMD)分量的归一化自相关函数,将固有模态分量(intrinsic mode function,简称IMF)划分为噪声主导分量和信号主导分量两部分。根据噪声主导分量和信号主导分量的不同特点,分别使用模极大值方法、软阈值滤波方法处理各分量的小波系数,实现光谱信号去噪。仿真数据去噪实验表明,小波去噪法(1、2阶IMF为噪声主导分量)去噪效果优于其他方法(1阶IMF为噪声主导分量,1、2、3阶IMF为噪声主导分量),说明临界分量判别法可以正确识别噪声主导分量和信号主导分量。光谱数据去噪实验表明,应用小波去噪法处理拉曼光谱,信噪比以及均方误差均优于对整条光谱进行模极大值、软阈值和空域相关方法去噪,光谱中噪声几乎得到了完全抑制,突变特征峰信号得到完整保留,获得了最优滤波效果。     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

PC板温室的温湿度预测模型建立与分析

根据PC板温室内太阳辐射、通风、对流和作物蒸腾作用引起的质热交换物理过程,基于物质和能量守恒,建立了与温室内外气象参数、土壤蒸发、作物生长状况和土壤品质相关的温度与湿度预测模型,并根据所建模型及仿真结果对温室环境系统进行分析。     

基于经验模态分解近似熵和支持向量机的农用柴油机故障诊断

针对往复机械振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解（EMD）、近似熵（ApEn）快速算法和支持向量机（SVM）相结合的机械故障诊断方法。运用经验模态分解方法对特定时段的振动信号进行分析,计算各个内禀模态函数（IMF）的近似熵,作为故障特征向量,并输入到支持向量机以判断机械的工作状态和故障类型。柴油机故障诊断试验结果表明,该方法能有效提取故障特征,在小样本情况下也具有较高的精度和较强的泛化能力,对其他机械故障的诊断具有一定借鉴意义。     

南疆温室大棚温湿度自动控制系统的设计

新疆南疆地区昼夜温差大,对温室大棚的农作物生产影响很大,为及时了解温室大棚的温湿度变化情况,设计一套较为实用的温室大棚温湿度自动控制系统。该系统能实现温湿度的自动监测、自动调节、自动控制等,具有人机界面监控功能,还能将温湿度信息通过短信告知管理人员,方便快捷,可以减轻管理人员的劳动强度,体现自动控制的优越性。     

温室温度约束模型预测控制研究

[目的]针对温室温度控制中模型参数不确定、系统时滞和调控设备的物理限制问题,研究温室温度约束模型预测控制(MPC).[方法]采用系统辨识的方法,建立一个包含室外气候条件和室内调控设备的温室温度控制模型,以天窗开度和作物生长温度要求为约束条件,基于MPC方法对温室内天窗通风的降温过程进行控制.[结果]建立的温室温度控制系统ARX模型(扩展的自回归模型)3步预测输出和实测值的拟合度为94.53;,基于该模型的温室温度约束MPC夜间和白天实现温度控制的均方根误差(RMSB)分别为0.38和4.6℃,温室内温度可以按照设定值实现平稳准确的变化.[结论]该方法适用于温室温度控制,具有较好的应用价值.     

基于小波分解的害虫发生非平稳时间序列分析和预测

将小波分解应用于害虫发生程度非平稳时间序列的分析和预测。通过小波分解,将非平稳时间序列分离为多个平稳分量,然后采用自回归滑动平均方法对各平稳分量分别进行分析和建模,最后将所有分量的模型进行组合,从而可以得到原非平稳时间序列的预测模型。在实例分析中,利用1959年至2004年烟台市一代玉米螟发生程度数据序列建立了预测模型,利用2005年至2009年的数据对模型进行了检验。检验结果表明:5年预测准确率达到了80%,预测效果令人满意。     

投资者情绪指数的经验模态分解：基于增发窗口期的实证研究

投资者情绪是资产定价的重要影响因素。针对以往研究不能较好分离投资者情绪不同成分的局限,引入经验模态分解方法,以实现对投资者情绪的分解。以2013年实施增发的上市公司为样本的实证研究结果表明,经验模态分解方法能够有效地分离出投资者情绪的高频和低频部分。其中,低频部分反映了投资者对股市的长期预期,而高频部分反映了窗口期投资者对增发的情绪变化。同时,增发前投资者会对增发事件产生过度反应,而在增发事件完成之后,投资者的过度反应情绪会逐渐调整,并且该调整过程具有非线性特征。     

昆明市连栋玻璃温室的温湿度调节系统构建

结合昆明市的气候特点,分析了连栋玻璃温室环境因子的变化规律,设计了适合昆明市气候特点的温湿度调节系统.该系统采用了自然通风的方法进行降温除湿和夜间卷帘保温凋节策略,设计了温湿度模糊控制器,并制定了模糊控制规则;经过模糊实现后,完成了对各个执行机构的控制,使温室作物获得了最佳的生长环境.     

温室小气候温度和湿度动态模型预测及验证

以番茄(Solanum lycopersicum Solyc)欧美佳为试验材料,采用温室基质栽培方式,利用番茄连续3个月生长发育的内外部环境数据、改进的热量传递理论及质能平衡方程建立并验证温室内温度和湿度的动态预测模型.以山西农业大学工学院玻璃温室为例,考虑室内外太阳辐射量、室内外温度、风速、通风率、围护结构等因素建立...     

基于小波广义回归神经网络的粮食产量预测模型

将小波分析与广义回归神经网络(GRNN)相融合,构建了一种小波广义回归神经网络(WGRNN)模型。该模型应用于我国粮食总产量预测,其预测结果在精度上均优于单一的GRNN预测模型和GM(1,1)灰色预测模型,既具有神经网络非线性逼近能力和自学习能力的特性,又具有小波在时、频两域表征局部特征的功能,可为粮食产量预测的定量化和智能化提供一条新途径。     

温室大棚智能温湿度控制系统的设计与实现

针对温室大棚温湿度人工控制过程复杂、准确度低的问题,设计了一种用于农业生产的大棚智能温湿度控制系统.鉴于农村的经济条件和科技水平,本着务实、够用、操作简单的原则进行了系统的详细设计.硬件设计中创造性地采用了双层看门狗电路实现系统的故障自修复,保障控制系统长时间稳定运行;软件设计中采用PID控制算法将系统误差控制在2％以内.实际应用表明,该系统结构简单,可靠性高,扩展性强,有助于降低农民劳动量和提高作物产量.