ARIMA与指数平滑法在江苏省GDP预测中的应用

该文对SPSS时间序列中的ARIMA与指数平滑法进行了比较,并对江苏省未来若干年的GDP进行了预测。通过这两个模型对江苏省1984～2009年的GDP分析及预测,结果显示两种方法在较长的时间内预测结果有较大差别,但ARIMA在近期预测中效果较好;江苏省在未来几年经济增长将出现波动,到2017年逐渐趋于平稳。     

基于遗传算法优化的BP神经网络的组合预测模型方法研究

【目的】提出以传统猪瘟发病率为对象的组合预测模型。【方法】利用ARIMA模型以及灰色模型GM(1,1)进行数据初始化处理,将初步处理结果作为优化后的BP神经网络输入构建组合模型。【结果】利用组合模型对2000年到2009年的月度发病数据进行实例分析,结果表明预测数据精度达到97.379%,较ARIMA模型,灰色模型、BP神经网络模型分别提高了5.469%、3.499%、1.188%,模型平稳性增强,预测结果良好。【结论】本研究为动物疫情测报提供了有效的分析手段,验证了组合模型在动物疫情研究中的可行性,并可为其它动物疫病提供借鉴和参考。     

山东省花生年产量的组合预测模型研究

以山东省花生年产量为研究对象.针对花生年产量的强烈波动性而导致的预测难、准确率低等难题,提出了一种基于GM(1,1)和RBF神经网络的组合预测模型,利用GM(1,1)来捕捉花生年产量的总体趋势,RBF神经网络来预测带有强烈非线性的残差项;同时为了提高RBF神经网络的训练速度和精度,针对标准遗传算法存在的早熟现象和收敛速度慢的缺点,提出了一种改进的自适应遗传算法,对RBF神经网络的初始参数进行优化.试验结果表明,组合预测模型可以较准确预测花生年产量,说明了组合预测模型的可行性.     

组合模型分析方法在我国粮食产量预测中的应用

尝试将组合预测法应用于我国未来粮食产量的预测,以提高预测精度。通过赋予合理权重,将C-D生产函数模型、多元回归模型和指数平滑模型加权组合。对各模型进行平均绝对百分误差(MAPE)、希尔不等系数(Theil IC)和均方根误差(RMSE)等指标的比较,证明单一模型经过组合能够提高预测精度。     

基于BP神经网络的桃林口水库水质预测

为掌握秦皇岛桃林口水库未来水质变化的状况,选取总磷(TP)、硝酸盐氮(NO_3-N)、亚硝酸盐氮(NO_2-N)、氨氮(NH_3-N)、高锰酸盐指数(COD_(Mn))、溶解氧(DO)和五日生化需氧量(BOD_5)7项指标2008—2015年8年的实测数据作为训练样本,建立BP神经网络模型对桃林口水库出库站2016、2017年7项水质指标进行预测,结果表明,该BP神经网络模型预测模拟训练后的模型预测效果良好,可以运用到桃林口水库水质指标的预测预警系统中。     

中国水产品产量影响因素研究及预测分析

水产品产量是衡量渔业产业发展程度的重要指标之一。选取2007—2017年我国水产品产量、水产养殖面积、灾害造成的水产品数量损失、渔业从业人员数量、渔民家庭人均纯收入、水产技术推广机构经费、水产技术推广机构人员数量、年末机动渔船拥有量等数据,计算它们与产量的动态灰色关联分析,结果表明,水产养殖面积是影响水产品产量最重要的因素,灾害造成的水产品数量损失、渔业从业人员数量、渔民家庭人均纯收入、水产技术推广机构人员数量以及年末机动渔船拥有量对水产品产量有较大影响。另外选取1986—2017年的数据,分别建立指数平滑模型、ARIMA模型及灰色系统模型,对"十三五"期间(2018—2020年)的全国水产品产量进行预测分析,结果表明,3种模型的预测精度均较高,且预测结果差别不大。水产品产量在未来3年仍将保持缓慢增长趋势,2020年水产品产量将不超过7 000万t。     

基于组合预测的农业用水量预测

在分析农业用水特性的基础上,提出了可有效克服单一预测模型预测精度不高的组合预测模型,并给出了农业用水量组合预测模型的权重确定方法,最后基于GM（1,1）模型、回归预测模型和指数平滑模型验证了组合预测模型对我国农业用水量的预测精度。     

山西省玉米产量预测研究——基于指数平滑法的实证研究

做好山西省玉米产量的预测工作,为今后政府部门调控农业生产提供决策依据,为农户安排玉米生产提供可靠的帮助,为保障山西省粮食安全都有着重要的意义。笔者以山西省2004—2013年玉米产量的统计数据为基础,运用指数平滑法对山西省未来几年的玉米产量进行了预测。通过对预测结果的分析可以看出,山西省玉米产量呈现出逐年上升的趋势。     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

组合模型在物流量预测中的应用

在分析指数拟合、灰色系统模型的平均预测误差的基础上,建立了组合预测模型,并对广州市的物流量进行了预测.结果表明,组合模型的预测结果是最优的.     

基于灰色马尔可夫链模型的水质预测

GM(1,1)模型由于其原始数据的起伏性和无序性,预测结果不是很理想.针对这一情况,采用马尔可夫链模型对GM(1,1)模型结果进行优化,并应用该模型对太子河干流化学需氧量进行预测.结果表明,应用灰色马尔可夫链模型进行预测,化学需氧量成逐年下降的趋势,2012年实际化学需氧量为11.4 mg/L,结果在(9.97,12.59)的预测区间,说明应用灰色马尔可夫链对水质进行预测是可行的.     

基于时间序列法的管网水质趋势分析模型

通过对南方某城市供水管网5个在线监测点的大量水质数据进行时间序列分析,选取余氯和浊度2个指标 ,建立了基于时间序列方法的管网水质趋势分析模型.     

基于Box-Jenkins方法的黄河水质时间序列分析与预测

采用基于Box-Jenkins方法的时间序列分析技术,对黄河上游甘肃兰州段、中游吴堡和下游山东利津段的水质进行了趋势分析和预测。选取对水质产生影响较大的两个污染因子化学需氧量(CODMn)和溶解氧(DO)1994—2003连续10a的月平均水质监测数据,借助Matlab和SAS统计软件,建立了ARIMA模型和乘积季节时间序列模型,并分析了这两个污染因子随时间推移的变化规律。结果表明:ARIMA模型和乘积季节模型能够用于短期水质预测,并且预测效果较好。黄河流域从上游到下游水质总体状况呈逐渐下降趋势,上游水质一般为Ⅱ和Ⅲ类,而中游和下游水质基本为Ⅳ、Ⅴ和超Ⅴ类。     

水质预测模式在环境质量监测中的应用研究

综述了宁夏石嘴山市环境监测站运用环境影响评价技术导则中水质预测模式对黄河石嘴山段水质进行分析预测,结果表明:在石嘴山黄河大桥断面处,化学需氧量与氨氮稀释混合后浓度为20.61 mg/L和1.042 mg/L;在宁钢浮桥断面处,化学需氧量浓度值稀释混合后达标;在宁钢浮桥断面上游1 km处氨氮浓度值经稀释混合达标。化学需氧量与氨氮的断面平均浓度经稀释混合后达到Ⅲ类水质的最远距离分别位于"三排、五排"汇合后入黄口断面下游9 080 m和7 960 m处。     

东圳水库水质影响预测及对策

根据污染源现状调查结果与污染源预测方法,预测了水平年东圳水库流域污染负荷。结果表明,流域污染负荷主要来自农业面源、生活污水和生活垃圾,其中农业面源是流域最大污染源,而农业面源中主要是果园径流污染。在构建东圳水库水域二维水流水质数学模型的基础上,基于流域污染负荷预测结果,模拟分析库区水环境变化趋势,结果为库区总氮和总磷将难以满足Ⅲ类水质标准要求。根据污染源调查及水质影响预测结果,建议加强对东圳水库水环境保护,重点开展果园面源污染控制、生活污水收集处理及生活垃圾收集转运处置等项目。     

灌区作物需水量预报的时间序列分析

 介绍了基于周期性变化时间序列的分析预报方法, 针对灌区需水量变化规律,通过消除其趋势项和周期项,对残差序列进行模拟,经变换后建立灌区需水预报模型。分析表明,该法用于灌区作物需水预报有效、可行。     

基于神经网络的水产养殖水质预测模型研究

水产养殖池塘是一个多变量、非线性和大时延系统,很难用传统方法建立水质预测的精确模型.神经网络具有良好的非线性函数逼近能力,非常适合处理水质预测等复杂问题.利用BP神经网络模型,通过自适应的动态学习方法和模型优化,采用MATLAB神经网络工具箱建立了水产养殖水环境因子pH值预测模型.在预测模型中输入测试样本,将预测结果与实测值进行比较,平均相对误差小于1％.结果表明,所构建的基于自适应BP算法的水产养殖水质预测模型具有良好的精确性和准确性,能有效地预测养殖池塘的水质状况.     

基于AR IMA模型的山西省水资源生态足迹时间序列分析

运用水资源生态足迹模型计算了2003~2012年山西省水资源生态足迹,并对2013~2017年山西省水资源生态足迹进行ARIMA模型时间序列预测分析。结果表明:ARIMA(2,1,1)模型能够较好地拟合2005~2012年山西省水资源生态足迹变化,并预测2013~2017年山西省人均水资源生态足迹变化,误差不超过10%。将ARIMA模型运用于生态足迹时间序列的模拟和预测中,变静态分析为动态模拟,具有很好的适应性,能提高预测精度。     

基于马尔可夫链的河流水质污染预测模型研究

基于马尔可夫链的河流水质污染预测模型,采用河流水质污染的指标数据,得到水质污染的时间序列值;划分水质污染趋势的状态空间;建立状态转移矩阵,从而预测水质污染趋势变化区间.结果表明,该模型能够有效地预测河流水质污染的走势,进而能够为相关的环保部门提供治理河流的有效依据,从而达到保护农业灌溉用水的目的.     

基于RAGA-PPCE模型的滨州市流域水质综合评价

以山东省滨州市重点流域水质为例,采用RAGA-PPCE模型对水质进行综合评价。选取对水体影响较大的pH、化学需氧量(COD)、总磷(TP)、总氮(TN)、氨氮(NH3-N)、溶解氧(DO)6项水质评价因子,构造水质综合评价分级标准。结果表明:RAGA-PPCE模型水质评价结果与模糊综合法评价结果基本相同;RAGA-PPCE模型评价结果客观、合理,能够有效应用于水质综合评价。