组合预测方法在玉米施肥预测中的应用

为提高玉米施肥量预测的精度,利用拉格朗日乘数法,基于预测误差平方和最小这一目标,对肥料效应函数、神经网络施肥预测方法这2种单一施肥量预测模型进行加权组合,建立了玉米施肥组合预测模型。预测结果显示:肥料效应函数、神经网络施肥预测方法和组合预测模型的预测误差平方和分别为2789.40,653.79,421.72,说明玉米施肥组合预测模型优于单一施肥预测模型;采用组合预测方法对玉米施肥量进行预测,能够显著提高预测精度。     

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。     

重庆市城市生活垃圾产生量预测

提出了用于预测垃圾产生量的变权重组合预测模型,该模型通过把单项预测模型进行组合分析,以误差平方和最小为准则,求出最优加权组合系数,建立组合预测模型.通过实例分析,表明其预测精度高于各单项模型预测值,在城市生活垃圾产生量的预测工作中有一定的应用价值.     

一种求非负权重最优组合预测的新方法

对于非负权重最优组合预测模型,文章提出一种新的求解方法—Wolfe方法。它以Kuhn-Tucker条件为基础把二次规划问题转化成线性规划问题。文章给出具体的实现方法并总结出解决这类问题通用的线性规划模型。最后,通过实例说明这种方法是行之有效的。     

组合预测模型在黑龙江省农机总动力预测中的应用

农机总动力是反映和评价农业机械化水平的一个重要指标.通过对黑龙江省农机总动力历史数据进行分析,建立了指数模型、GM（1,1）模型和BP神经网络模型3种预测模型,其次,应用基于离异系数法、二次规划法、Shapley值权重分配法分别构建组合预测模型.拟合结果表明,各种组合预测模型优于各单一模型.最后应用基于Shapley值权重分配法对黑龙江省农机总动力进行组合预测,为制定农机动力发展规划提供了依据.     

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。     

Frank-Wolfe算法在输气管道内腐蚀预测中的应用

组合预测是对用多种预测方法进行预测的结果加权。建立了基于最小二乘法原理的组合预测模型,提出了求解此组合预测模型的一种新的算法,即Frank-Wolfe算法,并将其应用于四川某输气管道内腐蚀速度预测的研究,应用结果表明,Frank-Wolfe方法较适用于求解组合预测问题的权重。     

组合预测方法及其土壤水分预测中的应用

本文简要介绍了当前较为流行的一种新的预测方法一组合预测方法及最优权数的计算。并利用此方法对预测土壤水分含量的两个单一预测模型进行综合处理，得到了土壤水分含量的组合预测模型，从统计分析和回归检验中可以看出，组合预测模型较原两上单一预测模型的预测精度有较大的提高。     

组合模型在农业用水量预测中的应用

在分析灰色模型与人工神经网络模型特点的基础上提出了灰色神经网络组合预测模型,并以最小二乘法确定了2个单一模型权重系数的分配。结果显示,灰色神经网络组合预测模型的最大、最小及平均误差均明显优于2个单一模型,有效提高了预测的精度。     

最优组合预测方法及其在Logistic曲线与Gompertz曲线之综 …

根据Ｌｏｇｉｓｔｉｃ曲线和Ｇｏｍｐｅｒｔｚ曲线的共性和个性，以对数误差平方和最小为目标，建立了组合预测模型，并以实例说明了该模型的优越性。     

地下水位粒子群优化神经网络组合预测模型

【目的】将粒子群优化神经网络组合预测方法引入地下水位预测中,以提高地下水位预测的精度。【方法】以回归分析法、指数平滑法、灰色GM（1,1）模型的地下水位预测结果及预测结果平均值作为网络的输入,以实际地下水位值作为输出,对3个单一模型进行非线性组合,建立地下水位的粒子群优化神经网络组合预测模型,应用实例对模型的预测结果进行了验证,并与3个单一模型及等权平均组合模型的预测结果进行比较。【结果】实例运用结果表明,粒子群优化神经网络组合预测模型的均方误差为0.740 9,平均绝对误差为0.657 6,均小于单一模型及等权平均组合模型的相应值。【结论】粒子群优化神经网络组合预测方法适用于地下水位的预测。     

变权组合预测模型的建立及其在区域生态风险预测中的应用

为探讨变权组合预测模型在区域生态风险预测中的应用,该文以黑龙江省大庆市为研究对象,利用该市1976、19881、9921、996、2001、2003年各年的TM遥感影像数据,以GIS技术为数据集成分析平台,获取了20余年不同时期的土地利用信息.在此基础上,引入层次分析法,确定不同土地利用类型的生态风险权重,构造各土地利用类型不同时段的综合生态风险指数,采用基于回归预测法、灰色预测法和神经网络预测法的变权组合预测方法模拟了大庆市2010年生态风险程度空间分布预测图.结果表明,生态风险指数的空间分布是基本沿着城区和主要交通干线的轮廓呈线状或点状逐步向外减小的,这说明干道交通系统建设以及城市开发活动在区域生态风险程度增加中的重要贡献;大庆市生态风险程度分布中,高、中生态风险程度区的范围都有所扩大,这表明大庆市的生态风险在不断的提高,范围也在不断扩大.     

基于SVM的农机装备水平组合预测模型研究

采用支持向量机的组合预测方法,对黑龙江垦区农机装备水平进行预测。在确定单一预测模型的基础上,运用自组织神经网络方法,将权系数确定问题转化为粗糙集理论中属性重要性评价的问题;计算各单一预测方法对组合模型的依赖度、重要度和权系数;利用建立的基于支持向量机非线性农机装备水平组合预测模型,对黑龙江垦区2002—2012年农机装备水平的历史数据进行检验。误差分析表明:该模型对农机总动力、大中型拖拉机、小型拖拉机、大中型拖拉机配套机具和小型拖拉机配套机具的预测平均相对误差为0.471%、1.328%、3.738%、1.193%、3.574%,均低于各单一预测模型的平均相对误差;利用该模型对黑龙江垦区农机装备水平进行预测,到2020年拥有农机总动力999.33万kW、大中型拖拉机88 921台、小型拖拉机38 453台,大中型拖拉机与配套农机具台数比为1.51∶1,小型拖拉机与配套农机具台数比为1.68∶1。所建模型适用于黑龙江垦区农机装备水平的预测。     

组合预测方法及其在土壤水分预测中的应用

本文简要介绍了当前较为流行的一种新的预测方法—组合预测方法及最优权数的计算。并利用此方法对预测土壤水分含量的两个单一预测模型进行综合处理,得到了土壤水分含量的组合预测模型,从统计分析和回归检验中可以看出,组合预测模型较原两个单一预测模型的预测精度有较大的提高。     

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。     

季节周期预测法在电力系统季负荷预测中的应用

电力系统日负荷、月负荷和季度负荷变化具有明显的周期性,根据日、月、季负荷变化特点,将季节周期预测法应用于电力系统季负荷预测中。计算结果表明,用该预测方法预测电力系统季负荷具有较高的预测精度。     

小城镇人口规模的灰色预测

本文在分析现有人口预测模型的基础上,提出了城镇人口预测的灰色GM(1,1)模型,并对浙江省湖州市南浔镇近几年的人口进行了预测,结果表明灰色预测法具有较高的预测精度,为小城镇人口预测开辟了一条新途径.     

马尾松毛虫幼虫发生严重程度的预测研究

为了提高马尾松毛虫幼虫发生严重程度的预测精度,寻求简便准确的预测方法,采用时间平稳序列法、回归预测法、马尔科夫链法、BP神经网络法和列联表多因子多级相关分析法对安徽省潜山县1983—2014年的马尾松毛虫越冬代、一代和二代幼虫发生的严重程度进行预测,研究历史符合率,并用2015年和2016年的实际发生情况验证。结果表明,平稳时间序列法,列联表多因子多级相关分析法计算简便,预测结果准确;BP神经网络法和马尔科夫链法预测结果非常准确。回归模型中以当代卵盛期卵量预测当代幼虫发生严重程度的一元回归模型的预测结果准确性高,其余一元回归模型预测结果稍差,多元回归模型和逐步回归模型优于一元回归模型。BP神经网络模型是一种理想的预测模型。