灰色预测在作物需水量推算中的应用

该文运用灰色预测方法进行作物需水量预报.除以1980～1991年实测数据序列进行整体建模外,还以降雨频率为基础分为正常年及灾变(丰、枯)年型的子序列建立全生育期G(1,1)模型.同时按水稻不同生育期需水量本身及同相应的积温建立G(1,1)与G(1,2)预测模型.经水稻需水量观测数据建模预测,其结果效果好,精度高,利于在灌溉水量预报,制定用水计划、水源调度中广泛应用.     

水稻各生育期需水量预测的综合模型

根据灰色系统理论的灰色模型（Grey Model)与时间序列方法ARMA模型，提出了水稻各生育期平均日需水量预测的时间序列综合模型。根据看出的模型，利用沈阳农业大学15年的水稻需水量试验资料，分别建立了沈阳地区水稻各生育期平均日需水量向前l步的预测模型，并提出了水稻全生育期需水量的向前l步的预测模型，这是水稻需水量预测的最新理论与方法。该方法建模简单，所需资料较少，并具有较高的精度。     

井灌水稻需水量预测的人工神经网络模型研究

应用人工神经网络技术（BP－ANN），考虑各个气象因子（气温、日照、饱和差、风速等）的影响，同时处理水稻需水量及其影响因子时间序列，通过多维数据相关分析，确定网络拓扑结构，建立了水稻需水量的人工神经网络模型，解决了需水量序列内部及其外部诸多影响因素之间的不确定关系，预测精度较高，为制定合理的节水灌溉制度提供依据。     

水稻各生育期需水量预测的综合模型

根据灰色系统理论的灰色模型 (Grey Model)与时间序列方法 ARMA模型 ,提出了水稻各生育期平均日需水量预测的时间序列综合模型。根据提出的模型 ,利用沈阳农业大学 1 5年的水稻需水量试验资料 ,分别建立了沈阳地区水稻各生育期平均日需水量向前 l步的预测模型 ,并提出了水稻全生育期需水量的向前 l步的预测模型 ,这是水稻需水量预测的最新理论与方法。该方法建模简单 ,所需资料较少 ,并具有较高的精度     

基于灰色系统的年降雨量预测模型探析

灰色预测是采用原始数据序列所生成的新的数据序列进行建模的一种方法.本文根据丹东地区5年的年降雨量系列数据,利用灰色GM(1,1)建立预报模型来预报预测未来降雨量.     

江西省水稻需水量预报与网络发布系统开发

为了促进江西省灌区技术现代化及灌溉用水管理现代化的发展，为实时灌溉决策提供较为精确和及时的作物需水量预报数据支持，开发了江西省逐日水稻需水量预报与网络发布系统。系统通过关系型数据管理系统MySQL来获取水稻需水量预报模型计算所需的参数及基本信息，分别使用率定了的Hargreaves-Samani(HS)模型、Blaney-Criddle(BC)模型、McCloud(MC)模型和作物系数来预测江西省未来7天26个气象站点的作物腾发量ETc值。用户可登陆网址查询任意站点、任意水稻生长阶段、任意模型预报的ETc数值，页面简洁，易于操作。总体而言，率定后的4种模型均具有较高的预报精度，可用于全省的水稻需水量预报，为灌溉决策和节约灌溉用水提供科学依据。     

井灌水稻需水量预测的人工神经网络模型研究

应用人工神经网络技术 (BP ANN) ,考虑各个气象因子 (气温、日照、饱和差、风速等 )的影响 ,同时处理水稻需水量及其影响因子时间序列 ,通过多维数据相关分析 ,确定网络拓扑结构 ,建立了水稻需水量的人工神经网络模型。解决了需水量序列内部及其外部诸多影响因素之间的不确定关系 ,预测精度较高 ,为制定合理的节水灌溉制度提供依据     

系统云灰色SCGM(1,1)c模型在作物需水量预测中的应用

作物需水量预报对灌区编制和执行用水计划具有重要作用。以灰色系统理论为基础,建立作物需水量和残差修正序列系统云灰色SCGM(1,1)c模型,通过对模型拟合精度和预报精度的检验,证明满足预报要求,解决了作物需水量数据序列小样本、贫信息的预报问题,为灌区灌溉制度的确定提供了数量指标和理论依据。应用分析表明,该方法用于灌区作物需水预报有效、可行。     

基于CROPWAT模型的昆明市水稻需水量及灌溉用水量研究

利用昆明市日气象数据、水稻生育期数据和土壤数据,通过CROPWAT模型模拟研究1980—2012年水稻生育期内需水量和灌溉用水量年际变化特征及气象要素对其的影响。结果表明,1980—1999年,水稻需水量和灌溉用水量呈微弱下降趋势(p=0.08,p=0.8);1999―2012年,水稻需水量和灌溉用水量呈上升趋势(p0.01);近33a平均水稻需水量和灌溉用水量分别为603.6mm和638.8mm。作物需水量与温度、风速和日照时数正相关,与相对湿度负相关;灌溉用水量与降水量负相关,与日照时数正相关。气温、风速、湿度和日照时数的组合可以预测年尺度上作物需水量的变化趋势;降水和日照时数的组合可以预测年尺度上灌溉用水量的变化趋势。     

机械加工尺寸在线建模与预测

在对实际检测数据进入深入分析的基础上，提出了对机械加工尺寸数据序列进行在线建模和预测的时间序列分析原理和方法，通过加工实验对所提出的原理和方法进行了验证，表明所建的自回归滑动平均（ＡＲＭＡ）模型及基于此模型的预测结果是相当令人满意的。     

区域地下水的具有时变特性的预报模型

提出了一种用于描述和分析具有趋势性、周期性、时变性的时间序列的新的组合模型时变ＡＲ（Ａｕｔｏｒｅｇｒｅｓｓｉｏｎ）组合模型,该模型由确定性和随机性两部分组成。在建模中,将原序列分解为幂函数趋势部分、周期项和残差随机序列,其中,残差随机序列用时变ＡＲ模型（自回归模型）建模。采用这种新的组合模型对区域地下水位动态进行了预报,结果表明预测效果较好。并且在该模型所用的计算软件中利用ＶＢ（ＶＩＳＵＡＬＢＡＳＩＣ）提供的丰富界面来管理建模原始数据所在的数据库,从而使输入原始建模数据变得简便准确,避免了以往的计算机软件中输入数据的繁琐和不准确性。     

自适应指数平滑预报模型在灌区需水量预报中的应用

本文详述了指数平滑预报模型建模原理，并根据灌区需水量预报的具体特点，着重探讨了模型的自适应控制及模型参数的选取和初值的确定方法。实例预报结果表明，把自适应指数平滑预报模型应用于灌区需水量预报中是可行的。     

自适应指数平滑预报模型在灌区需水量预报中的应用

本文详述了指数平滑预报模型建模原理，并根据灌区需水量预报的具体特点，着重探讨了模型的自适应控制及模型参数的选取和初值的确定方法。实例预报结果表明，把自适应指数平滑预报模型应用于灌区需水量预报中是可行的。     

区间灰数模型在工业需水预测中的应用

工业需水预测对于有效的水资源管理有重要的作用。依据区间灰数的灰色预测模型,采用区间灰数标准化,将常年工业需水统计数据分解成基于实数形式的"白部"和"灰部"建立预测计算模型,完成山东省工业需水量序列数据的预测。预测效果验证了区间灰数的灰色预测模型的有效性及实用性,为工业需水量数据预测提供了一种计算方法,有助于水利管理部门更有效地进行水资源管理。     

黄河上游年降雨-径流预测研究

基于多层前向人工神经网络理论，通过GA-BP混合算法，使用黄河上游兰州水文站45年实测降雨和径流序列资料，建立了降雨—径流预测的GA-BP神经网络模型。研究表明，仅用预报前时段的降雨和径流作为输入，来实现下时段的径流预测，其预报精度较差，但在预报期内有一定精度的降雨预报输入时，所建模型对下时段的径流预测，与传统的统计建模方法相比，预报精度较高，能较好地反映黄河上游区的降雨—径流规律，可应用于实际需要。     

建三江主要作物需水量变化趋势与关键影响因子识别

基于建三江垦区1995—2018年逐日气象数据,采用Penman-Monteith公式结合单作物系数法计算其主要作物水稻、玉米、大豆生育期的需水量,利用去趋势预置白(TFPW)的Mann-Kendall(TFPW-MK)研究3种作物需水量变化特征,并通过重标极差(R/S)分析法预测作物未来需水量变化趋势;借助通径分析法研究6个气象因子与作物需水量的相关性,识别了作物需水量变化的关键影响因子,并分析了关键影响因子变化与作物需水量变化趋势间的关系。结果表明：建三江垦区主要作物水稻、玉米、大豆全生育期需水量存在显著差异,3种作物多年平均需水量分别为484.84、425.91、319.11 mm;影响水稻、玉米和大豆需水量的关键影响因子为平均气温、净辐射和日照时长,对作物需水量有明显增进作用;风速、相对湿度通过与其他因子协同作用对作物需水量有一定限制作用;在1995—2018年时间序列中,水稻和大豆的全生育期作物需水量呈上升趋势,玉米的全生育期需水量呈下降趋势;未来,水稻和大豆全生育期需水量呈上升趋势,玉米全生育期需水量呈降低趋势。研究可为该垦区作物灌溉水量分配和灌溉制度的制定提供决策依据。     

作物产量预测的时间序列神经网络模型

建立了基于时间序列的动态系统前馈神经网络（DBP）模型,并将该模型用于不同水肥处理条件下水稻产量的预测。该模型克服了传统静态BP模型以某个生育阶段的影响因子的过程值或最终值采建立网络结构的局限性,可以充分利用水稻生长过程中大量的动态采样数据,以便提高模型预测精度。与修正Morgan模型相比,则不需要建立具体的水分生产函数模型,适应性更强。检验表明,DBP模型预测精度较高。同时数据比较表明,DBP模型与传统BP模型及水肥综合修正Morgan模型在水稻产量预测精度方面没有本质差异。     

区域农业灌溉用水量长期预报模型研究

农业灌溉用水是一动态、非平衡随机过程,其水量预报中存在灰色不确定信息。如何通过大面积农业灌溉用水量的长期预报,指导灌区用水实时管理,则是水利工程规划管理和农业高效用水中待研究的重要问题。本文基于时间序列分析方法,建立了区域农业灌溉用水量长期预报分解模型,给出了灰色ＧＭ（１,１）趋势预测、方差周期分析以及ＡＲＭＡ（２ｎ,２ｎ－１）随机分析相结合的模型求解方法,并编制了相应模型软件支持系统。该系统具有自动进行模型特性检验、结构识别、参数优选及拟合预测计算等优点。应用所提模型,对南水北调中线进行农业灌溉用水量的年预报研究,取得了满意结果,由此表明所提模型与方法是合理可行的。     

应用灰色新陈代谢GM(1,1)模型预

研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。针对常规GM(1,1)模型存在的不足，建立了灰色新陈代谢GM(1,1)需水量预测模型。并利用此模型对北方某缺水城市未来10年的需水量进行了预测。结果表明：模型精度较高，预测误差较小。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。     

基于灰色神经网络的作物需水量预测模型研究

采用灰色系统理论与神经网络,通过多维度气象因子和参考作物需水量的相关分析,来确立灰色神经网络拓扑结构及网络流程,建立了预测作物需水量的灰色神经网络模型。以海南省儋州市1979~2014年的气候数据为输入,作物需水量为输出数据,运用Matlab工具,仿真表明预测曲线与参考作物需水量曲线拟合度较高,灰色神经网络模型预测结果绝对相对误差均值为5.28%,预测精度高,为节水灌溉提供了一种新的有效方法。