基于聚类分析与时序算法的玉米测产模型

以每公顷玉米产量数据序列为分析处理对象,对玉米产量的时间序列进行了预测分析。结合线性回归分析技术和聚类分析理论,采用分层聚类算法与AR时序算法相融合的方法,探明影响玉米产量的主要因素,确定分层聚类方案,建立一个基于聚类分析的玉米产量AR时序模型,并对2005—2009年的玉米产量进行了预测。聚类分析后模型预测结果的误差值大多数<5%。     

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。     

广西农产品价格预测初探——以南宁市为例

利用SPSS软件的多重线性回归模型研究分析了广西各地市主要农产品价格与首府南宁市主要农产品价格的关系,同时以南宁市猪肉价格为例分别进行普通线性回归分析和时间序列自回归过程分析。结果表明,南宁市农产品价格受桂林、贺州和来宾市农产品价格影响较大;时间序列自回归分析模型对南宁市猪肉价格的预测效果较普通线性回归分析模型理想,可在一定时间内对南宁市猪肉价格进行预测。     

烤烟产量的主要影响因素及预测方法研究进展

烟草是一种特种经济作物。从烤烟产量的构成要素出发,介绍了影响烤烟产量的主要因素,综述了灰色系统、线性回归、BP神经网络、时间序列分析等统计分析方法在烤烟产量预测中的应用。     

烤烟产量的主要影响因素及预测方法研究进展

烟草是一种特种经济作物。从烤烟产量的构成要素出发,介绍了影响烤烟产量的主要因素,综述了灰色系统、线性回归、BP神经网络、时间序列分析等统计分析方法在烤烟产量预测中的应用。     

缺失数据下 ～ρ混合误差线性模型的参数估计

研究了响应变量随机缺失下的线性回归模型,在模型误差为混合序列的情形下,获得了回归参数估计的强相合性,推广了已有的结果.     

基于EVI-RBF的玉米长势监测及产量预测

近年来,农作物长势监测和产量预测研究大多是通过建立复杂的生长模型来实现的,而这往往不具有较强的推广性。本研究建立了一种基于植被指数和产量统计数据的玉米长势监测及产量预测方法。以玉米为研究对象,利用MODIS09A1数据建立其2000-2018年的增强型植被指数(EVI)时间序列,并将该序列作为径向基(RBF)神经网络的输入参数,下一阶段的EVI值或玉米产量作为网络的输出参数,完成玉米的长势监测及产量预测。该方法被成功应用到黑龙江省哈尔滨市宾县的玉米研究中,对玉米EVI值的预测精度达到了90.0%以上,产量预测相较于传统的线性回归模型也有明显提高,预测精度达到了98.6%。依赖植被指数和产量统计数据的长势监测及产量预测方法有较大的应用推广前景。     

灰色线性回归组合模型在河南省粮食产量预测中的应用

河南省粮食生产变化的波动较大,单一的GM(1,1)模型不能详尽描述其变化规律及预测未来趋势,采用线性回归方程以及由GM(1,1)模型得到的时间响应序列方程和组成的灰色线性回归预测模型,弥补了线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。利用河南省2000-2007年的粮食产量统计数据,建立了河南省粮食产量的灰色组合预测模型,并根据模型预测出河南省2008-2012年的粮食产量,实例证明,该模型的预测精度为97.9%,模型的预测精度高。     

NSD序列加权和的完全收敛性及其应用

研究了NSD(negatively superadditive dependent)随机变量序列的极限定理.利用截尾技术和NSD随机变量序列的性质讨论了NSD随机变量加权和■的完全收敛性,并将其结果应用于含参数β的最小二乘估计的线性回归模型中及关于g的权函数非参数回归模型估计中,分别得到了强相合性.     

基于改进GM（1，1）模型的沉降监测数据处理方法探讨

在分析GM（1，1）预测模型存在不足的基础上，提出了GM（1，1）模型的改进形式。运用序列算子作用和加权均值的方法来增强原始序列数据的光滑度；考虑到沉降监测数据序列既含有线性趋势又有指数增长趋势，用GM（1，1）和线性回归的组合模型对其进行建模和分析。实例分析表明，改进后的GM（1，1）模型可以提高预测精度，从而满足工程实际要求。     

江苏省全社会固定资产投资预测

采用Holter-Winter非季节指数平滑模型、GM(1,1)模型和分段线性回归模型,对江苏省1978～2005年的全社会固定资产投资总额进行研究.结果表明,与其他两模型相比,分段线性回归模型具有较好的拟合效果,并预测了"十一五"期间的固定资产投资总额.     

东北粳稻叶片植被指数NDVI与PRI的相关性分析

以东北地区典型地带的粳稻为例,利用植被指数测量仪PlantPen,同时测量了粳稻叶片植被指数NDVI和PRI,并根据粳稻生长发育进程分成了与物候一致的4个生育时期。首先利用二元定距变量相关分析的方法对NDVI和PRI进行相关性分析;然后,分别利用线性回归和Cubic曲线回归建立NDVI拟合PRI的回归模型,并对回归模型进行拟合优度检验和精度验证,同时对线性回归模型与Cubic曲线回归模型的拟合效果和检验结果进行对比分析。结果表明,粳稻叶片植被指数NDVI和PRI在各生育时期均有极显著的相关关系,在粳稻生长发育进程中,相关性越来越高;线性回归模型和Cubic曲线回归模型均能使NDVI较好地拟合PRI,在粳稻生长发育进程中,拟合效果也越来越好;Cubic曲线回归模型在粳稻4个生育期平均相应的指标值判定系数(R²)、均方根误差(RMSE)、绝对百分误差(MAPE)分别为0.8055、0.0358、0.534%,而线性回归模型的相应指标为0.7653、0.0488、1.365%。Cubic曲线回归模型的RMSE和MAPE值较小且R²较大。因此其拟合优度和检验精度均优于单纯的线性回归模型,可作为NDVI反演PRI一种参考模型。     

基于反射光谱全波段与双波段甘蔗叶片叶绿素预测模型比较

以甘蔗品种新台糖22号(ROC22)叶片为研究对象,针对全波段和双敏感波段处的反射率分别建立甘蔗叶片叶绿素含量的预测模型,对比各模型的精度。全波段方面,以可见-近红外光谱反射率为输入量,提取出前5个主成分后,分别采用多元线性回归(MLR)与BP神经网络(BPNN)方法建立全波段模型M1与M2;敏感波段方面,选择731和785nm这2个敏感波段及由二者计算出的植被指数为输入量,建立一元线性回归(SLR)模型M3、MLR模型M4以及BPNN模型M5。研究结果表明:M1与M2的预测值与实测值间的决定系数R~2分别为0.792 4和0.892 9;M3、M4、M5的R~2分别为0.821 2、0.840 1和0.848 2;BPNN模型精度高于线性回归模型;虽M5的精度稍低于M2的精度,但M5只包含2个敏感波段信息,具有更高的工程应用价值。     

安徽省城市化进程与耕地面积变化的相关研究

运用相关系数和回归模型对安徽省城市化水平与耕地面积的关系进行了分析,发现安徽省城市化水平与耕地面积之间具有显著的线性相关关系,在此基础上建立了两者之间的线性回归模型。最后提出了安徽省城市化进程中保护耕地的对策。     

基于增强回归树的海河平原小麦赤霉病预测模型构建与验证

【背景】自1995年至今,小麦赤霉病（Fusarium head blight,FHB）逐渐在海河平原蔓延,由零星出现演变成连片发生,在流行年份呈现出暴发快、面积大、损失重的特点,小麦赤霉病已由次要病害上升为主要病害之一。准确的预测预报是有效控制小麦赤霉病发生与发展的关键和难点。【目的】根据海河平原小麦赤霉病发生情况的监测分析,构建适宜的小麦赤霉病预测模型,为科学防控赤霉病提供技术支撑。【方法】基于2001—2016年海河平原21个小麦主产县（市）的赤霉病病穗率数据,以及小麦关键生育期内的气象数据,采用逐步回归分析,筛选影响小麦赤霉病发生的关键气象因子,构建基于多元线性回归模型和增强回归树模型的小麦赤霉病发生预测模型。【结果】明确了增强回归树模型的学习效率（lr）为0.005、树的复杂度（tc）为6时,模型的预测偏差最低,残差标准误为0.006311;筛选出8个对海河平原小麦赤霉病发生影响显著的关键气象因子,即MRH₁₅、Rain_-35、MRH_-55、SD₁₅、LT_-65、MWS_-55、MT_-25、DRain₁₅,并构建了含有8个预测变量的多元线性回归模型（R²=0.8158,矫正R²=0.8018,P<2.2×10^-16）。同时,应用增强回归树模型评估了上述8个关键气象因子的重要性,分别为69.62%、14.08%、4.89%、4.34%、3.35%、2.02%、1.20%、0.50%;根据重要的预测变量进一步简化预测模型,构建了含有4个预测变量的多元线性回归模型（y=-19.45376+0.11689MRH₁₅+0.17346Rain_-35+0.04185SD₁₅+0.26592MRH_-55,R²=0.7575,矫正R²=0.7468,P<2.2×10^-16）;当预测变量由8个调减至4个时,利用2008、2010、2012年安新、定州、馆陶等地历史数据验证模型预测病穗率的准确度,多元线性回归模型预测准确度由88.43%降至85.90%,增强回归树模型预测准确度由87.72%升至91.23%;利用2001—2016年正定、栾城的历史数据验证模型预测病穗率的准确度,两个模型预测准确度无显著变化,多元线性回归模型预测准确度由87.53%变为87.42%,增强回归树模型预测准确度由89.20%变为89.21%。整体而言,多元线性回归模型预测准确度呈下降趋势,而增强回归树模型预测准确度呈上升趋势。【结论】研究构建了含有4个预测变量的增强回归树模型,其预测准确度达89.21%,病穗率预测值与实际观测值的波动趋势基本一致,表明增强回归树模型在海河平原小麦赤霉病预测预报中具有很好的应用前景。     

基于Cubist多元混合回归的稻米富集Cd模型构建研究

为了给农产品质量安全预测提供技术支撑,基于土壤环境因子对稻米富集镉(Cd)的影响在不同条件下存在差异性这一原理,以湖南省典型区域为例,在土壤多参数检测获取基本大数据前提下,采用Cubist多元混合线性回归技术,构建了研究区土壤-稻米Cd传输模型。结果表明,在所筛选的23个土壤理化参数中,Ca、Fe、S、Cd、Cl和pH 6个参数对稻米富集Cd影响最为突出,并被纳入Cubist模型中。土壤Ca(以CaO计)与土壤p H在Ca含量小于1%时线性显著相关,S与土壤有机质(SOM)呈指数显著相关。土壤pH对稻米富集Cd的影响在不同值阈范围内差异明显。研究表明,混合线性回归技术克服了传统多元回归仅能构建单一性质模型的缺陷,可有效筛选及表征环境因子对稻米富集Cd的影响,是构建土壤-稻米Cd传输模型有效方法。     

基于灰色多元线性回归的粮食产量预测

针对粮食产量预测精度差和波动大的问题,结合灰色系统和多元线性回归模型,提出了一种灰色多元线性回归模型。利用该模型对南宁市的粮食产量进行了预测。结果表明,灰色多元线性回归模型的预测精度要高于单一的灰色系统或多元线性回归模型。     

基于反馈回归法的用电量预测模型研究

多元线性回归法是用电量预测中常用的一种方法,带反馈的多元线性回归法是一种改进的回归方法,具有更高的精度.本文在此基础上进行了多次反馈,即利用带多次反馈的多元线性回归法,结合SPSS软件进行统计分析,并以陕西省用电量为例探究分析多次反馈的多元线性回归法在用电量预测中的应用,从而得到更精准的用电量预测模型.最后以四川省的用电量数据对模型进行了验证,体现出了该模型的优越之处.     

基于多元线性回归的广西粮食产量预测

【目的】利用多元线性回归分析方法构建广西粮食产量预测模型,以期为相关研究提供参考。【方法】对影响粮食产量的各种因素进行分析,应用多元线性回归分析法建立广西粮食产量的预测模型。【结果】对粮食产量贡献最为明显的因子是种植面积,其次是单位面积产量,降水量对粮食产量影响最小。粮食产量与种植面积、粮食单产、降水量的回归方程为：y=-517.759＋0.158x1＋0.382x2-0.001x3。应用多元线性回归模型预测2012年广西粮食产量为1464.381万t。【建议】在保证土地面积的前提下,加快农业科技创新、加强农田水利建设和完善促进粮食生产的相关政策,以保证广西粮食生产的稳定发展。     

土壤养分因子对蒙古栎林优势木生长的影响

为研究土壤因子对优势木生长的影响,以60块蒙古栎林样地为研究对象,运用6种曲线模型和多元线性回归的方法建立了以表层土壤养分因子为自变量,以样地内优势木树高、胸径、材积为因变量的优势木生长模型。结果表明,优势木平均胸径和树高间相关关系不显著,而与土壤因子中的p H值、有效磷、全钾质量分数显著相关,并得到优势木平均胸径与土壤因子的3个曲线方程。运用多元逐步回归方法,仅土壤有效磷质量分数进入模型。综合曲线模型和线性回归模型发现,胸径生长与土壤养分质量分数相关关系呈现分段趋势;当胸径大于27cm时,土壤有效磷对胸径的影响明显减小。