农产品市场价格短期预测方法与模型研究——基于时间序列模型的预测

为提高农产品市场价格的预见性,及早采取措施减缓价格波动,以全国西红柿月度批发市场价格为预测目标,综合利用季节虚拟变量法、Census X12法、移动平均比率法、Holt-Winters季节指数平滑法、SARIMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值,从而建立组合预测方法。实证分析结果表明:单一模型预测误差波动较大,总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的5个单一短期预测模型平均绝对误差百分比(MAPE)为10%左右,其中Holt-Winters季节指数平滑法建立的短期预测模型精度最高,MAPE为6.81%。如果预测提前期为3个月,SARIMA模型的预测精度更高,准确率达到95%以上。在实证分析的基础上,采用组合预测方法对2010年西红柿价格进行了预测。     

河北南部杨树苗圃春季地下害虫群落结构研究

系统调查了河北南部两种不同类型杨树苗圃地下害虫昆虫群落结构组成。水浇地苗圃地下害虫优势种为小黄鳃金龟,旱地苗圃优势种为黑绒鳃金龟;水浇地杨树苗圃地下害虫群落丰富度、个体数和多样性指数都高于旱地苗圃。在春季,地下害虫的种类和数量在不同的土壤深度随时间变化而变化,从2月下旬到4月中旬,0￣5cm的昆虫种类和数量不断增加,10￣20cm地下害虫呈下降趋势。     

基于灰色系统的太平洋褶柔鱼秋生群资源丰度灾变预测

为了对未来日本海和东海海域太平洋褶柔鱼Todarodes pacificus灾变年份进行预测,采用灰色系统年灾变预测GM(1,1)模型方法,根据1990—2014年日本海和东海海域太平洋褶柔鱼秋生群的单位捕捞努力量渔获量(catch per unit effort,CPUE),建立了多种灰色年灾变预测GM(1,1)模型,并比较该海域太平洋褶柔鱼建立的丰歉年灾变预测模型的精度,选择最优模型,对未来可能出现的丰歉年份进行预测。结果表明,该海域太平洋褶柔鱼秋生群资源丰度的丰年将发生在2020、2034、2052年,歉年将发生在2067、2125、2272年。研究表明,日本海和东海海域太平洋褶柔鱼秋生群资源丰度的灾变预测最优模型参数|a|0.3,为一级精度模型,可用于该资源丰度的长期灾变预测。     

基于SARIMA模型的农业生产资料价格指数预测

对农业生产资料价格指数的预测,能够为农民提供市场风险的有效信息,有利于农民的生产决策。选取了1994年1月到2018年7月农业生产资料价格指数月度同比历史数据,建立自回归移动平均(ARIMA)乘积季节预测模型,对2018年8月到2019年01月的农业生产资料价格指数进行了预测。结果建立的ARIMA(1,1,1)(1,1,1)12乘积季节模型平均绝对误差0.522450、平均相对误差为8.4%此模型预测精度较高。     

小麦叶枯病发生程度的灰色灾变预测初报

运用灰色灾变预测理论与方法，建立了灰色灾变预测模型：（ＧＭ１．１）—＾Ｘ（１）（Ｋ＋１）＝１８．２５００ｅ０．１９９３３５５４ｋ－１５．２５００。经实践证明，该模型精度极高，预测准确     

乳山市小麦白粉病灰色灾变预测模型

为探讨小麦白粉病的预测方法,本文以灰色系统理论为基础,建立了乳山市小麦白粉病的灰色灾变预测模型:=26.4914 0.4596-25.9510检验表明,模型的精度是令人满意的.该模型可以对小麦白粉病进行超长期预测.     

基于灰色灾变理论的丰宁干旱趋势分析

利用丰宁县1956～2008年的年降水资料,采用灰色系统的灾变预测方法,建立了GM（1,1）模型,对未来2次干旱年进行预测,并利用残差检验对模型进行了精度检验。结果表明,预测模型精度较高,可以对丰宁县未来的干旱年进行预测,为科学决策提供依据。     

用Excel求解GM(1,1)模型参数

1问题的提出 GM（1,1）模型是基于灰色系统理论的最常用预测模型.在常用的灰色数列预测、灰色灾变预测、灰色季节灾变预测、灰色拓扑预测、灰色区间预测等方法中,均离不开GM（1,1）模型.GM（1,1）模型虽然是最简单的灰色系统模型,但建立这种模型需要一定的矩阵运算知识或数理统计知识,在数据列较长的情况下,若不会计算机编程,求解灰参数是十分烦琐的.因此,求解灰参数是建立GM（1,1）模型的关键和难点之所在.     

基于马尔可夫模型的南京市年降水量预测试验

鉴于降水过程存在大量不确定性的特点,中长期降水预报一直是气象科学领域的一个难题。主要采用平滑处理消除异常值,对年降水量进行分级,建立滑动平均马尔可夫链预测模型。通过建立的预测模型,对南京市2009、2010年年降水量进行了试预测。结果表明,2009年预测值与实测值相对误差为2．17％,2010年预测值与实测值相对误差为3．09％,预测精度较高。同时,为弥补滑动平均马尔可夫链模型对极端年份无法预测准确的缺陷,利用灰色灾变系统,对南京市极端降水年份进行预测。两者结合能更好地完成南京市年降水量的预测工作。     

基于灰色理论和回归分析的需水量组合预测研究

【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。     

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.     

季节性叠加趋势-马尔柯夫预测模型及其应用

    为提高利用季节性叠加趋势模型预测有较大波动性数据序列的预测精度,提出一种季节性叠加趋势一马尔柯夫组合预测新方法,并用于油菜平均产量的预测.采用浙江省诸暨市1949年到1996年的油幕平均每公顷产量数据建立一个季节性叠加趋势一马尔柯夫组合预测模型,对1997年到2003年的油菜平均每公顷产量进行预测,预测精度分别为:97.9%、97.9%、97.9%、97.9%、98.8%、97.7%和98.4 %.远远高于季节性叠加趋势模型的预测精度:76.1%、68.9%、70.9%、97.9%、82.5%、76.9%和82.2%.该方法具有计算简单、精度高的特点.说明利用季节性叠加趋势一马尔柯夫组合预测模型可以大大提高具有周期趋势性和较大波动性数据序列的预测精度.     

灰色拓扑预测方法在森林火灾预测中的应用

根据森林火灾影响因子的不确定性和波动性,以福建省建阳市1970～1994年森林火灾为研究资料,运用灰色拓扑预测方法探讨了森林火灾的发生规律,并建立森林火灾的灰色拓扑预测模型 结果表明:所建立的灰色拓扑预测模型效果十分理想,各个模型的平均精度均在95%以上,所有模型总的平均精度为98 033%,达到一级精度的标准,表明拓扑预测模型能定量分析灾害发生的时间动态及其变化规律,从而为森林保护的有关决策提供了依据     

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。     

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。     

基于最优加权组合模型的枯季径流预测研究

【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。     

马尾松毛虫大发生灰色灾变趋势测报方法

为探索松毛虫危害森林资源灾变规律,依据瑞金市2001～2007年大发生面积的时间数据序列,尝试应用灰色系统理论及其GM（1,1）模型,对马尾松毛虫大发生的灾变趋势,建立预测模型,进行灾变长期趋势预测。     

基于灰色模型技术对马尾松毛虫灾变趋势的预测

马尾松毛虫的猖獗发生可以认为是一个灰色系统过程,为探索松毛虫危害森林资源灾变规律,依据瑞金市2001-2007年大发生面积的时间数据序列,尝试应用灰色系统理论及其GM（1,1）模型,对马尾松毛虫大发生的灾变趋势,建立预测模型,进行灾变长期趋势预测。预测结果表明,该模型预测精度高,预测趋势与过去情形相符,且1-2年的预测值具有一定的参考价值。     

早稻叶瘟灰色灾变长期预测模型

利用灰色系统理论的灾变预测方法，以广东省化州市1978～1990年早稻叶瘟发生程度为例，拟定用发生程度≥4级为灾变阈值，建立了早稻叶瘟灰色系统GM(1．1)长期灾变预测模型：X(k 1)=1571212．51le^0．001259508k -1569234．511。后验差和小误差概率检验达“一级”的精度。应用该模型对1991～2002年进行预测，除1998年报而未出成为空报外，其它各年份的预测结果与实况吻合，预报准确率达91．7％。     

灰色建模在干旱灾变预测中的应用

干旱是阳城县的主要农业气象灾害之一,对于农业生产影响面广,造成的危害也非常严重。加强干旱灾害的分析预测对农业生产和防灾减灾具有十分重要的意义。灰色GM(1,1)模型是基于灰色系统理论的最常用预测模型。灰色灾变预测就是通过对灾变日期序列建立GM(1,1)模型,预测以后若干次灾变发生的日期。本文拟通过对阳城县1957-2012年的年降水资料进行统计分析,确定干旱灾变指标,建立灾变日期序列,并进行检验,用优化后的数据序列建立GM(1,1)模型,同时与不对原始日期序列进行检验的GM(1,1)模型进行比较,并把该模型应用于阳城县干旱预测中。