The Total Population Prediction of Ya＇an City from 2010 to 2020 Year

利用雅安市1985—2009年的人口统计数据,拟合出马尔萨斯人口模型、Logistic增长模型和一元线性回归模型。通过2006—2009年人口数量的预测值与实际值比较,最终选择模拟精度较高的马尔萨斯模型和Logistic模型对雅安市2010—2020年的总人口做出预测,预测结果表明雅安市2010年的总人口达到156.21万人,而到2020年总人口将达到162.81万人。同时在预测的基础上,探讨了雅安市人口发展的影响因素,为雅安市科学地制定国民经济和社会发展战略,实现人口与资源环境的可持续发展提供参考。     

雅安市2010—2020年总人口预测

利用雅安市1985—2009年的人口统计数据,拟合出马尔萨斯人口模型、Logistic增长模型和一元线性回归模型。通过2006—2009年人口数量的预测值与实际值比较,最终选择模拟精度较高的马尔萨斯模型和Logistic模型对雅安市2010—2020年的总人口做出预测,预测结果表明雅安市2010年的总人口达到156.21万人,而到2020年总人口将达到162.81万人。同时在预测的基础上,探讨了雅安市人口发展的影响因素,为雅安市科学地制定国民经济和社会发展战略,实现人口与资源环境的可持续发展提供参考。     

基于ARIMA模型对我国农村人口的预测分析

一个国家发展的好坏很大一部分取决于农村的发展,而农村的发展离不开人口数量的支撑。针对世界银行公开数据库中公布的1970～2015年中国农村人口数,建立了ARIMA模型对其进行预测。从数据的平稳性检验、模型的识别与定阶、参数估计、模型适应性检验、模型误差分析和模型预测六个方面对模型进行了检验,最终得出ARIMA(1,2,1)模型对我国农村人口的预测最为准确。最后,对我国未来十年的农村人口进行预测,发现呈逐年下降趋势,并提出相应的政策建议。     

时间序列模型对黑龙江省水稻比较优势的预测

根据时间序列模型的原理,以黑龙江省水稻20多年的产量、规模为研究对象,在数值试验的基础上得到了适合于黑龙江省水稻综合比较优势分析的时间序列预测模型,对水稻综合比较优势做出预测,表明时间序列模型在农作物比较优势分析的预测中具有一定的优势.     

基于一元线性回归和GM(1,1)模型的农村人口预测

首先基于SPSS统计分析软件对焦作地区2004年至2011年农村人口数据进行了相关性分析,结果显示,人口与年份之间存在显著的相关性。其次在焦作地区2004年至2011年农村人口数据的基础上,分别应用一元线性回归模型,灰色系统的GM(1,1)理论,构建了农村人口预测模型。通过SPSS统计软件和EXCEL软件实现了对焦作地区未来2012年至2020年农村人口规模进行预测和分析。     

基于BP神经网络的农机总动力预测模型研究

利用黑龙江省1980～2007年农机总动力数据,对BP神经网络模型和现有农机总动力预测模型进行分析,建立了基于BP神经网络的农机总动力预测模型,并将该模型应用到2007年以后黑龙江省农机总动力的预测中,取得了良好的预期效果,为黑龙江省的农业机械化发展趋势和农机产品市场分析提供了一定的理论指导。     

GM(1,1)模型在烟台市人口预测中的应用

分析了1949~2004年烟台市人口变动状况,应用GM(1,1)灰色模型拟合了该地区人口数量,并对未来4年的人口数量进行了预测。结果显示,1949~2004年烟台市人口整体呈上升趋势,1960年有1个人口低谷值417.95万人;分别利用1949~2004年和1979~2004年人口数据建立GM(1,1)灰色模型,两者的拟合精度均较高,但后者要优于前者;利用1979~2004年人口数据建立的灰色模型预测未来4年内烟台市人口分别为664.45万、668.01万6、71.59万和675.19万人,人口有逐年缓慢上升的趋势。     

基于灰色系统理论对产业结构型综合发展系数的研究——以黑龙江省林业产业为例

灰色发展系数是灰色GM(1,1)模型的核心,在运用灰色GM(1,1)模型进行预测时,灰色发展系数一般为定值,然而在实际情况中发展系数往往是变动的,其中一个重要的影响因素就是产业结构的变动.该研究通过将次级产业发展系数进行产值加权,得到灰色产业结构型综合发展系数和灰色产业综合发展模型,并将其运用于黑龙江省林业产业发展分析与预测中,计算得出2013 ～2017年黑龙江省林业产业结构型综合发展系数分别为0.243 1、0.259 3、0.276、0.295 2、0.314 9,并据此对其相应年份的林业总产值进行了预测,取得了良好的应用效果.研究表明,分析产业结构型综合发展系数使产业发展情况更能体现出产业结构的影响.     

黑龙江省粮食产量预测模型研究

为了对未来粮食产量做出更好的预判,通过模型互相比较,给出最优的粮食产量预测模型——鲸鱼算法优化的BP神经网络模型。根据黑龙江省1995-2016年的20组数据集先使用线性回归预测出2017-2020年的5组数据集,然后使用BP神经网络和结合鲸鱼算法的BP神经网络进行比较,根据粮食产量数据进行模型评估,最终筛选出误差最小(<1.47%)的鲸鱼算法优化的BP神经网络模型,并对黑龙江省2021-2025年粮食产量进行了预测。     

基于不同方法的四川省人口规模预测研究

人口规模是区域发展战略规划中一项重要的控制指标,准确的预测区域未来人口的发展趋势,对于制定合理的国民经济计划具有重要意义。以四川省为研究对象,选用自然增长模型、灰色预测模型以及马尔萨斯人口模型三种人口规模预测方法进行建模和预测,并综合三种模型的预测结果,得出四川省2015~2030年人口规模预测范围值。结果表明:随着经济不断发展,四川省的人口总数也会在未来15年里保持持续缓慢增长的趋势,预计到2030年,人口总数将会达到9988万人左右。最后,结合预测结果,对四川省2015~2030年人口发展趋势进行讨论并提出对策和建议。     

基于主成分分析的玉米棉铃虫预测模型

棉铃虫是河西走廊东部玉米主要害虫之一,气象因素对其种群消长具有非常重要的影响。利用1999-2008年棉铃虫发生资料与同期气象资料,通过对棉铃虫危害程度和其种群消长动态的分析,采用主成分方法对棉铃虫发生动态进行模拟,建立了棉铃虫危害特征预测模型。检验结果表明:预测模型准确率78%~89%,订正模型准确率提高10%以上。模型预测时效超前、效果好,且具有动态特征,可用于研究区域棉铃虫发生程度的监测、预警与研究。     

气液两相流流型的判别方法

为研究气液两相流的流型变换规律,建立高计算精度的气液两相流水力计算模型,以Shoham和Kokal的实验数据为基础,对通用流型判别法、改进的Taitel-Dukler流型判别法及段塞流特征分析法用于气液两相流流型判别的效果进行验证。基于以上3种判别方法,给出流型判别图,并与实验数据进行对比,总结出3种判别方法的特点。结果表明:通用流型判别法和段塞流特征分析法对气液两相流流型的判别结果较好,其中通用流型判别法的计算适用性更强,研究成果为气液两相流水力计算提供了流型判别算法的选取依据。     

鄱阳湖湿地区土地利用变化分析与预测

本文在遥感与地理信息系统支持下,建立了鄱阳湖湿地区新建县1996-2000年土地利用数据库,结合统计数据,运用马尔科夫与GM(1,1)2种预测方法对研究区未来的土地利用变化趋势进行了预测.结果表明2种预测方法的预测结果吻合度较高,研究区土地利用变化的总趋势为耕地持续减少,林地持续增加;建设用地面积加速增长,江滩湖滩减少速度放慢;湿地区域相对较稳定.结合研究区社会经济数据,文中还进一步分析了人口因素、经济发展水平、工业化与城镇化和地理位置与土地政策对土地变化趋势的影响.研究结果可为土地利用规划管理及政策的制定提供科学依据,为鄱阳湖湿地的管理提供背景资料和依据.     

我国城乡居民收入差距预测模型比较研究

采用1978-2010年的全国城乡居民收入差距数据,主要研究多种模型在全国城乡居民收入差距预测中的应用,通过实证分析建立了ARIMA模型、灰色模型、二次多项式多种预测模型,并进行了精度比较,结果表明,二次多项式预测模型拟合效果更好。利用此模型对2011-2013年全国城乡居民收入差距趋势值进行了预测,2011-2013年全国城乡居民收入差距预测值分别为14 173.20、15 212.92、16 289.67元。最后在分析的基础上提出了相关对策：首先,强化政府公共服务的职能,协调资源,努力为社会成员提供一个平等发展的机会,以达到提高公民福利,促进社会公平的目的;其次,打破行业垄断,平抑垄断行业与一般行业人员收入差距;最后,支持、鼓励和倡导成立社会救济基金,从民间的角度调节居民收入分配,努力提高低收入阶层收入水平。     

林分径级分布预测模型参数的贝叶斯法估计——以金沟岭林场样地数据为例

以吉林省金沟岭林场云冷杉针阔混交异龄林26块检查法样地的5次观测数据为基础,建立转移矩阵模型对一定周期的林分径级分布进行预测。分别利用经典统计学方法和贝叶斯方法对转移矩阵模型的参数进行估计,建立了固定参数的矩阵模型和贝叶斯矩阵模型,并对两种模型的预测效果进行对比。结果显示,固定参数的转移矩阵模型对林分径级分布的预测值比实际值偏高,贝叶斯模型的预测结果更接近林分的实际径级分布,证明了贝叶斯参数估计方法比固定参数平均的方法所建模型具有更高的预测精度。     

皋兰县麦长管蚜的田间消长规律及预测模型

根据皋兰县中堡村麦田的系统调查资料和县气象局的气象资料,对麦长管蚜的田间消长规律进行了分析并建立了发生期预测模型。分析表明麦长管蚜在田间的发生与小麦的生育期有密切的关系:小麦生育前期蚜量较少,随着小麦的生长蚜量逐渐增加,从小麦抽穗后蚜量急剧上升,到灌浆期达到高峰。并应用1981～2000年20年的平均温度、相对温湿系数建立了发生期的回归预测模型,对历史资料进行检查,符合率分别达95 % 以上。     

非均衡经济增长条件下耕地保有量预测模型的探讨——以毕节地区为例

[目的]结合毕节地区土地利用现状和规划实践,探讨耕地保有量需求预测方法。[方法]多元回归预测法、时间序列预测法。[结果]应用毕节地区耕地综合生产能力、人口发展、耕地面积变化、固定资产投资等数据,建立了耕地保有量需求预测模型,并通过评价与解释确定最优模型作为毕节地区耕地保有量预测方案。[结论]将预测方案与贵州省宏观调控下达给毕节地区规划"影子指标"对照,并将规划"影子指标"分解到其所辖的8个县市,实现了预测方案与规划"影子指标"的衔接,为毕节地区土地利用总体规划编制工作提供了科学依据。     

桃果实单果重及可溶性固形物含量的全基因组选择分析

【背景】桃单果重和可溶性固形物含量（SSC）是育种家关注的两个重要的数量性状,受到多个微效基因的控制,难以通过单个标记进行早期筛选。全基因组选择作为一种新颖的数量性状早期预测工具,在果树上已经有了初步应用,但其在桃上的应用效果以及影响预测准确性的因素仍需要深入探讨。【目的】建立桃单果重和SSC的全基因组选择技术,为桃高效分子育种技术体系的建立奠定基础。【方法】以520株训练自然群体为试材,通过重测序筛选出的48 398个SNP进行分型,在11个全基因组预测模型中分别筛选出两个数量性状适宜的模型,进而在56株自然群体和1 145株杂交群体上进行应用。【结果】3类群体的平均测序数据量在1.95—3.52 Gb,测序深度为5.29—10.79×。训练自然群体经与参考基因组比对,共得到5 065 726个SNP,去除缺失率较高（>20%）、最小等位基因频率过低（<0.05）的位点后,随机挑选基因组上48 398个SNP用于训练群体的全基因组选择模型构建。单果重预测精度最高的模型是BayesA,SSC预测精度最高的模型为randomforest。分别利用两个数量性状最适的模型进行预测...     

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。     

基于正态平稳的马尔可夫周期流量预测算法

为提高网络流量预测的准确度,提出一种新的马尔可夫流量预测算法。将实际网络流量序列分解为周期序列和正态平稳序列,对正态平稳序列建立马尔可夫模型并对其进行预测,结合预测值和周期序列得到实际网络流量的预测结果。实验结果表明,该算法具有较高准确度。