基于AIC准则的击实试验曲线拟合模型优选

针对击实曲线的模型优选问题,提出了基于赤池信息量准则(AIC)数字回归方法,认为综合多项式阶次与回归误差的AIC最小的模型为最优击实曲线模型。通过8组试验数据分析,4组为二次多项式拟合最优,而另4组以四次多项式拟合为最优。优选结果说明,由于不同土体压实性能和试验数据点分布不同,击实曲线不可能用统一阶次的最优模型描述,而基于AIC准则的模型优选方法具有较好的实用性。     

南方3种类型草地地上生物量的光谱估测模型

基于地面光谱实测数据计算的光谱归一化植被指数(ASD-NDVI),结合同期的地上生物量数据,利用回归分析的方法构建南方草地地上鲜生物量的地面光谱估算模型。结果表明:南方草地地上生物量与ASD-NDVI之间呈正相关,可以用线性方程、对数方程、多项式方程、乘幂方程以及指数方程进行拟合,拟合结果均达到极显著相关水平,其中多项式方程的拟合效果最好(n=56,R2=0.931 1,P<0.01),因此利用多项式构建基于地面实测ASD-NDVI预测地上生物量的最优地面光谱模型。通过不同年份地面实测数据对模型进行验证,模拟值和实测值之间相关性很好,R2为0.907 5**(P<0.01),达到了极显著水平。说明在南方草地生长旺季利用光谱参数ASD-NDVI估算地上生物量可行。     

基于回归理论分析下南瓜估重模型的研究

针对数学建模竞赛南瓜估重问题,主要运用了回归分析理论进行数值模拟。建模前,采用了简单相关分析理论审慎地剔除了线性相关的若干变量,降低了建模的复杂性。然后,分别采用了1种线性回归模型和6种二元高次多项式回归模型对相关数据进行了拟合,并由拟合出的各函数表达式分别求出各模型对应所有数据的误差。通过分析比较所得的误差,对各模型拟合的精度进行了合适地评价,并且挑选出了当前最优模型,也顺利地找到了特殊白南瓜,还为进一步的修正模型剔除了部分不合理数据。最后拟合出最优模型,该模型在假定重量误差允许范围为15．00％的前提下有高达81．25％的拟合准确率,同时又创造性地设计出“查表法”和“卷尺标重法”运用最优模型解决实际估重问题。     

基于ARIMA模型的中等城市住宅销售价格走势预测——以江苏省徐州市为例

根据江苏省徐州市2011年-2015年住宅房屋价格统计数据,对2010年房价为基准的基期比进行时间序列的平稳化处理。通过差分运算、自相关函数、偏自相关函数等对数据进行模型拟合,通过模型检验和AIC准则、BIC准则选择最优的ARIMA模型。最后基于最优模型对徐州市房价走势作出预测。     

对侧步马前肢运动轨迹数学模型建立与分析

[目的]对侧步马不同模型和阶次前肢运动轨迹曲线拟合效果进行分析研究,为侧步马性能测定提供参考.[方法]基于马匹运动轨迹曲线的特点,采用Matlab软件中Cftool工具箱分别获取多项式拟合模型、高斯拟合模型和傅里叶拟合模型拟合方程式,并对拟合情况进行比较.[结果]傅里叶三阶和高斯三阶函数模型对侧步马肩关节、腕关节拟合效果极显著优于多项式模型(P＜0.01);傅里叶三阶函数模型对侧步马前蹄拟合效果极显著优于高斯和多项式函数模型(P＜0.01);傅里叶四阶函数模型对前飞节拟合效果显著优于高斯和多项式函数模型(P＜0.01);傅里叶四阶和高斯四阶函数模型对肘关节拟合效果显著优于多项式函数模型(P＜0.01).[结论]肩关节和腕关节最优拟合模型为傅里叶三阶和高斯三阶函数拟合模型;肘关节最优拟合模型为傅里叶四阶和高斯四阶函数模型;前飞节最优拟合模型为傅里叶四阶函数模型;前蹄最优拟合模型为傅里叶三阶函数模型.     

基于BP神经网络的材料腐蚀预测模型

通常使用灰色系统理论的方法对材料腐蚀数据进行拟合预测,为了深入研究材料的腐蚀特性和使用寿命,提出了材料腐蚀数据预测的神经网络模型.并将预测结果与灰色系统理论、回归模型等方法的预测结果对比,表明利用神经网络模型方法对材料腐蚀数据进行拟合预测具有一定的合理性,指出了进一步的研究方向.     

基于支持向量顺序回归机对农业经济预警的研究

在统计学习理论与支持向量机理论方法的基础上,将支持向量顺序回归算法与宏观经济预警研究相结合,建立了基于支持向量顺序回归经济预警模型;通过编制Matlab软件程序,结合黑龙江省经济数据,获得经济预警的分类超平面和预测警限区间,并进行内插和外推检验。结果表明,该预警模型预测的可靠性和拟合是有效可行的,具有很高的精度。     

基于WEB模式的植物生长分析计算模型的设计与实现

本文分析了植物生长分析计算原理和方法，并介绍了利用ASP．NETVB．NET，建立一个基于web的综合了古典计算方法和多项式拟合方法的植物生长分析计算模型。     

基于岭回归的思茅松单木生物量复合模型构建

为进一步提高思茅松单木生物量模型的估计精度,采用与材积兼容的生物量模型构造各分量模型,再筛选出最优模型形式构造了线性和非线性复合模型,通过模型4个评价指标对拟合的简单非线性模型,线性和非线性复合模型进行评价。结果表明:思茅松总生物量线性复合模型系统偏差较小,与数据拟合程度更好,预测精度更高,具有可解释性,并且以该方法构造的生物量模型能进一步提高估计精度。     

基于环境小卫星CCD数据对太湖地区叶绿素a浓度的反演

针对我国湖泊水体富营养化监测问题,以太湖为研究对象,使用了快速、低成本、大范围的遥感技术反演太湖水体中的叶绿素a含量.以环境小卫星CCD数据和实测数据为研究基础,使用波段比值法建立了5种叶绿素a浓度回归模型.结果表明:多项式反演模型具有最佳的拟合效果,其相关系数R=0.8845;对该反演模型进行合理性验证,并将其运用在太湖地区,最终反演了该水域的叶绿素a浓度.这表明波段比值法构建的多项式反演模型可以较为准确地反演出太湖地区的叶绿素a浓度值.     

GM（1,1）模型在铁路装卸运输综合生产效率预测中的应用

综合生产效率是影响铁路油气装卸与运输系统安全、经济和高效运行的重要因素.为了对铁路装卸与运输系统的综合生产效率进行预测,以洛阳石化铁路装卸运输系统2006-2012年生产年度报表的统计数据为基础数据,进行一次累加生成处理;在此基础上建立灰色动态模型GM（1,1）,对求解得到的结果进行累减还原处理,得到灰色预测函数;运用预测函数对2013-2014年的综合生产效率进行预测,并对预测结果进行精确度检验计算,检验精度达到1级;给出了2013-2014年针对性的预测数据结论,以及运用GM（1,1）模型在不增加数据长度条件下减少误差的预测方法.实例应用证明：该方法具有预测模型简单、预测精度高等优点,对实际生产管理具有较强的指导意义.（表3,参4）     

基于状态转移算法优化的投影寻踪病虫害预测模型

为解决新疆加工番茄病虫害预测问题中样本数据的非线性和高维性等问题,采用投影寻踪回归模型对加工番茄病虫害预测进行研究。根据新疆某种植基地的样本数据,将投影寻踪回归模型与改进状态转移算法结合,建立了改进状态转移算法优化的基于Hermite多项式的投影寻踪病虫害预测模型。投影寻踪病虫害预测模型将高维的数据投影到低维空间,利用加入正交变换的状态转移算法优化得到投影方向和多项式系数。试验结果表明,利用该模型对新疆某种植基地2003—2008年的样本数据训练效果误差0.2,等级预测达到完全正确;对2009—2011年的病虫害等级预测准确率95%。基于改进状态转移算法的Hermite投影寻踪回归模型可靠性及预测精度很高,能有效的解决病虫害预测中存在的数据非线性、高维性等实际难题。该模型应用于加工番茄病虫害的预测具有一定的可行性和实用性。     

基于XGBoost的水禽养殖粉尘预测研究

为了提高水禽养殖中粉尘预测精度,提出基于XGBoost的水禽养殖粉尘预测模型.通过对粉尘相关参数进行相关性分析,提取出更重要的参数进行预测,简化了模型,降低计算难度,然后将归一化后的数据输入模型进行训练优化,最后通过与其他传统模型进行对比分析,提出的预测模型评价指标平均绝对百分比误差、平均绝对误差和均方根误差分别为0....     

基于星-机光谱融合的棉花叶片SPAD值反演

【目的】为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征。【方法】本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD（soil and plant analyzer development,SPAD）仪实地测定试验区棉花叶片叶绿素含量的相对值（SPAD值）,并获取同期试验区无人机（unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归（multiple linear regression,MLR）建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2A MSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演。【结果】研究表明,(REG-R)/(REG+R)、R/G、CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R ²提高了0.015—0.057,RMSE降低了0.457—0.638,验证R ²提高了0.040—0.085,RMSE降低了0.387—0.397,RPD提高了0.020—0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型（Fused MSI-Mod_UAV）,也可获得较高的反演精度,建模R ²达0.672,RMSE为3.982,验证R ²达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果。【结论】采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持。     

统计预测方法在耕地保有量需求预测中的研究——以毕节地区为例

依据毕节地区经济、人口和耕地数据,采用回归预测和时间序列预测方法,综合分析影响耕地保有数量的因素,建立耕地保有量需求预测模型,并将通过评价与解释确定的最优模型作为毕节地区耕地保有量预测方案。结果表明,基于统计预测的耕地保有量预测方法综合了耕地利用情况与社会经济发展态势,有较强的应用背景和社会需求,可为政府新一轮的土地利用总体规划提供决策支持。     

基于贝叶斯模型平均法的森林火灾预测模型构建研究

  目的  本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。  方法  利用2000—2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。  结果  通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。  结论  在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。      

运用混沌理论制作长期灾害预报模型初探

为了提供准确的农业灾害预报，本研究运用混沌理论，以北京历年重大旱灾预报为例，构建了长期灾害混沌预报模型。该模型采用便于描绘混沌事件的三阶差分方程与多因子状态方程联立，模拟出北京市1955－2001年的历次旱灾事件发生过程。按照该模型规定的法则做重大旱灾预测比用单纯统计预测的准确率有显著提高。灾害混沌预报模型可作为长期灾害预测的新途径。     

压缩机实际能头特性的深度学习网络预测方法

压缩机运行特性与原厂测试特性存在差异,为了指导压缩机的安全稳定运行,结合压缩机特性计算方法与部分实际特性,建立了基于深度学习网络的压缩机实际能头特性预测模型。将大量不同工况下的压缩机实际能头数据作为深度学习网络的训练样本,在训练完成后利用未训练样本对模型精度进行了检验,得到最大相对误差为2.60%、最小相对误差为0.32%、平均相对误差为0.78%。由深度学习网络所绘制的能头曲线与实际的能头曲线有着良好的一致性。深度学习网络模型改进了传统神经网络的缺陷,具有良好的预测精度与泛化计算能力,为压缩机性能的评估与预测提供了新方法。     

经纬杂交试验分析新法──最优线性无偏预测

对于经纬杂交试验，首次引入了最优线性无偏预测原理。提出了一种新的分析方法，并就数学模型、统计假定、方差组分估计及具体求算各个步骤进行了深入细致的研究．这种方法假定各参数为随机效应，不受重复数等与不等的影响，且可以剔除环境效应，并利用多环境下的资料，因而可以提高预测值的准确性并使其具有更广泛的适用性．     

塞罕坝华北落叶松人工林断面积预测模型

如何实现林分水平和单木水平预测林分断面积的兼容性,并提高不同水平断面积模型的预估精度,在森林经营过程中是一个亟待解决的科学问题。本文以华北暖温带华北落叶松人工林为研究对象,运用105块连续观测的固定样地数据,首先采用Gauss-Newton算法建立林分水平和单木水平断面积生长模型;其次分别采用不同形式的逻辑斯蒂方程对单木生存概率方程进行拟合;最后将不同水平最优预测模型进行组合并建立组合方程,采用最小二乘法估计组合方程参数,以提高对不同水平断面积的预测精度。结果表明:在约束参数法中,林分密度模型、林分断面积预测模型和单木断面积模型均具有较好的预测效果,并均能解释90%以上的变异;在分解法中采用逻辑斯蒂方程来预测单木生存概率和林分密度,经检验获得的ROC曲线下面积为0.906,表明该方程可以较好地预测林木生存概率;在组合预测法中,采用不同水平的最优模型进行组合后的预测效果最佳。在预测林分密度和断面积时,组合预测方程预测精度最高,林分水平模型预测精度次之,单木水平模型预测精度最低。组合预测法能够预测不同水平下的林分密度、立木生存概率、林分断面积及单木断面积,提高了模型预测精度,为预测林分生长动态、空间结构变化及经营效果评价等提供参考依据。