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。     

土地利用规划学中人口模型预测

对于《土地利用规划学》中人口模型预测内容的教学,依据安徽省的人口数据进行了一元线性回归、多元线性回归及灰色系统GM（1,1）预测模型的教学案例设计。结果表明,进行案例设计教学提高了学生的实践动手能力和教学效果。     

江苏省耕地面积变化模型的比较分析

采用多元线性回归和灰色动态模型两种建模方法,分别对江苏省耕地面积短期变化进行分析,并比较了不同模型分析的效果。结果表明,两者都可用于预测,多元线性回归模型拟合精度明显好于灰色动态模型,但多元线性回归模型是经过修正的,且对数据要求较高,而灰色动态模型对数据没有特殊要求。     

回归分析法在地下水水质动态预测中的应用

地下水系统是一个复杂的随机系统。根据地下水水质与其影响因素之间存在的相关关系,运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质动态预测模型,并将该模型用于遵义市海龙坝地下水水质的动态预测。预测结果表明预测精度较高,建立的模型较符合该研究区的实际情况。     

持久性有机污染物多氯联苯（PCBs）生物毒性的灰色理论研究

运用灰色理论对10种多氯联苯（PCBs）的生物毒性与其结构参数的定量构效关系进行了研究,建立了其灰色预测模型,通过构建灰色预测模型,计算了各化合物的生物毒性值,并对模型进行了精度检验和分析。研究结果表明,所建立的模型精度为一级（好）,且该模型较一般的线性回归模型具有更好的预测能力,为定量构效关系研究提供了一种新的方法。     

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。     

灰色线性回归组合模型在中国出境旅游规模预测中的应用

当前,中国出境旅游呈“井喷式”增长现象,已成为世界最大的客源输出国,极大提升了中国对世界旅游业影响力。合理预测中国出境旅游市场规模,将对世界旅游业发展及中国旅游产业优化升级具有战略性指导意义。基于线性回归和灰色模型提出灰色线性回归组合预测模型,并对2017—2025年中国出境旅游客流规模进行预测和分析。结果显示：灰色线性回归组合预测模型的拟合度和精度要优于线性回归预测模型和灰色GM（1,1）预测模型,表明组合预测模型能够弥补单一模型预测精度不够的缺点,提高预测的精密性和科学性;中国出境旅游客流在2017—2025年内将继续保持高速增长趋势,年均增幅为21%,至2025年,出境旅游总人数将达6.2亿人次。     

基于天气预报估算参考作物蒸发蒸腾量的预测模型比较

参考作物蒸发蒸腾量(ET0)是计算作物需水量和进行灌溉预报的基础要素.利用天气预报可测因子和Penman Monteith公式计算ET0,分别建立多元线性回归模型(MLR)和自适应神经模糊推理系统模型(ANFIS),两种方法的估算值与PenmanMonteith公式计算值没有明显的差异,自适应神经模糊推理系统预测值相对于多元线性回归模型具有整体吻合度好,相关性高.两种预测模型的输入项完全可以从当前短期气象预报中获得,程序运行操作简单,具有实用价值,为实时灌溉预报提供了理论基础.     

落叶松枯梢病短期测报技术的研究

１９８６～１９９１年在黑龙江省勃利县通天一林场设立固定标准地，通过孢子扑促和病情调查，搞清了勃利县落叶松枯梢病流行规律与气象因子的关系。根据落叶松枯梢病流行规律，利用前１年６、７、８三个月的平均温度（Ｘ２）和平均降雨量（Ｘ３）为自变因子，采用回归测报方法多元线性回指数。又采用了灰色理论中的灰色预测模型。两种方法对模型内外的实际病情检验，证明预测模型是可信的。     

灰色线性回归在冬小麦产量长期预测中的应用

针对农作物产量序列既有线性趋势又有大幅波动的情况,用直线回归残差分离原始序列,构建灰色线性回归组合预测模型。对宿州冬小麦产量的预测结果表明,该模型克服了GM（1,1）模型和线性回归模型的缺陷,具有一定的应用价值。     

MATLAB稳健回归在作物水模型建模中的应用

本文讨论了作物水模型常规多元线性回归以及稳健回归的建立方法.基于内蒙古河套灌区曙光试验站玉米非充分灌溉试验资料,利用MATLAB中提供的稳健回归方法建立了Minhas型作物水模型,并与常规的多元线性回归方法进行了比较.结果表明采用稳健回归的方法比常规的多元线性回归可在一定程度上提高作物水模型的回归效果.     

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.     

水体中叶绿素a含量短周期预测的研究

通过连续监测数据分别使用线性回归方法和人工神经网络方法建立叶绿素a在短周期内的同步和6步超前预测模型,探讨在短周期内建立叶绿素a含量预测模型的可行性,从而对可能发生的“水华”现象做出前瞻性预测。同时,通过对建立的线性回归模型和人工神经网络模型进行比较,发现人工神经网络在预测精度方面较线性模型有一定优势。     

滩羊种羊需求与供应预测研究

采用灰色关联法确定影响滩羊种羊需求的社会指数因素.论述三次指数平滑法、传统线性回归模型、模糊线性回归模型的建模方法,并进一步探讨最佳种羊需求的预测模型.在明确羊场运营流程的基础上,探究影响种羊供应的外部环境因素,并运用DEMATEL方法(决策实验与实验评估法)确定影响种羊供应的市场因素.从而,利用最佳种羊需求预测模型,获得理想的种羊供应预测模型.     

苹果碰撞损伤预测模型的研究

通过苹果的碰撞损伤试验，分析了损伤体积与吸收能量、最大加速度、衬垫厚度、碰撞时间等因素之间的关系，论述了建立苹果碰撞损伤预测模型的可能性。研究表明，以苹果碰撞的加速度历程和碰撞参数为基础的多元线性回归模型可以预测其损伤体积。     

苹果碰撞损伤预测模型的研究

通过苹果的碰撞损伤试验，分析了损伤体积与吸收能量、最大加速度、衬垫厚度、碰撞时间等因素之间的关系，论述了建立苹果碰撞损伤预测模型的可能性。研究表明，以苹果碰撞的加速度历程和碰撞参数为基础的多元线性回归模型可以预测其损伤体积。     

用灰色自回归模型预测稻瘟病

灰色自回归模型（ＧＡＲ）是将灰色系统模型（ＧＭ）与自回归模型（ＡＲ）结合起来的一类预测模型，它弥补了ＧＭ与ＡＲ的不足。本文叙述了该模型的建模方法，建立了江西省临川县１９６２～１９８７年稻瘟病年发病程度的ＧＡＲ模型，检验合格后，对该县的稻瘟病发生程度进行了多年预测（１９８８～１９９２）。运用模糊集合隶属函数对这几年的预测准确性进行评定，结果表明预测较为准确。文末还就ＧＡＲ模型用于稻瘟病预测的条件和特点进行了讨论。     

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。     

基于PCA-RBF神经网络的成都市建设用地需求预测

为建立“突变”增长条件下建设用地需求预测模型以利于区域土地资源的可持续利用和土地利用总体规划的 定期修编,本文提出了基于主元分析(PCA)与径向基函数(RBF)神经网络模型相结合的建设用地需求预测方法.首 先,利用灰色关联分析筛选出主要驱动因子作为输入数据;然后,利用主元分析消除其相关性,并达到降维目的; 最后,以PCA结果为输入建立建设用地需求的RBF神经网络预测模型.实例研究表明,建设用地需求PCA-RBF 神经网络预测模型具有较好的预测效果,平均绝对误差(MAE)、误差均方根(RMSE)、平均相对误差(MRE)、分 年度残差和突变点残差都较常规的多元线性回归(MLR)模型更小,更适宜在复杂非线性条件下应用.