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。     

江西省粮食产量影响因素分析 ——基于多元线性回归模型

利用江西省1952-2018年的数据,基于多元线性回归模型,对江西省粮食产量的影响因素进行分析,得出结论并提出相关政策建议。     

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。     

线性回归与BP神经网络方法的山东粮食产量预测比较研究

山东省是我国传统农业大省,粮食产量对我国粮食总产量的影响较大,因此对山东省粮食产量进行预测具有重大意义.分别利用多元线性回归方法和BP神经网络两种预测方法对山东粮食产量进行预测,并对两种方法的预测结果进行分析比较,实验证明,BP神经网络平均预测精度高于多元线性回归模型,且各期预测精度较多元线性回归模型更稳定,但随时间推移,误差增大,因此BP神经网络预测模型较适用于近期粮食产量预测.     

多元线性回归模型预测城市用水量

本文应用多元回归的方法,对城市用水量进行预测。采取向前选择变量法进行优选,得到相对最优的回归预测模型。拟合情况良好,可以用来预测城市用水量。     

基于灰色多元线性回归的河南省粮食产量预测

对河南省1990-2009年影响粮食总产量的8个因素进行灰关联分析,找出影响河南省粮食产量的主要因素.运用Eviews软件,对主要影响因素建立多元线性回归模型并预测未来5 a河南省粮食总产量.     

基于时空回归模型的粮食产量预测方法新探

综合运用相关分析、回归分析和时间序列分析法,建立粮食产量时空回归预测模型,并根据中国各省、自治区、直辖市已有数据对未来粮食产量作出预测。     

基于时空回归模型的河南省粮食产量预测

综合运用相关分析、回归分析和时间序列分析法,把时间和空间结合起来建立河南全省及各地市粮食产量时空回归预测模型。首先用2000、2005年的河南省各地市的粮食产量建立回归方程,然后以某一年的粮食产量作为自变量,预测其后第5年的粮食产量,得到的因变量数值再作为自变量,预测相隔同样年份的粮食产量,以此往前逐年移动预测,一直预测到所需年份。研究表明,河南省2015、2020年的粮食产量分别是5984.96万、6792.93万t,与其他研究者的研究结果有一定程度的吻合。     

多元线性回归预测模型在农村生活垃圾产量预测中的应用

农村生活垃圾的治理已经迫在眉睫,生活垃圾产量的预测在其治理中发挥着主要作用。结合实地走访某些生态示范村采集到的实际数据,对其进行分析,找出影响其垃圾产量的内在因素,运用多元线性回归分析的方法对数据进行分析,建立生活垃圾产量的预测模型,实现对未来农村生活垃圾产量的有效预测。     

基于趋势-状态预测方法的粮食产量预测

趋势-状态预测方法能够较好地解决既有趋势性又有较大波动性的数据序列的预测问题,且具有计算简便、精度高的特点.本文利用该方法对浙江省粮食产量进行了预测分析,为粮食生产的预测和科学管理提供了依据.     

基于向前选择变量法的我国粮食总产量多元线性回归预测模型

结合1983～2006年我国粮食总产量及与之密切相关的粮食单产、粮食播种面积、化肥施用量、有效灌溉面积、农机总动力、农田成灾面积等6个影响因子序列资料,采用向前选择变量法,构建了我国中长期粮食总产量多元线性回归预测模型。结果表明,粮食单产、粮食播种面积、化肥施用量及农田成灾面积是我国粮食总产量的关键制约因子,措施得当,未来我国完全可以在耕地资源不可逆转减少的前提下实现粮食总产量的持续增长。研究成果可为我国粮食安全保障体系的构建提供决策依据。     

国内糖价影响因素的多元线性逐步回归分析

通过分析国内食糖价格的变化趋势,并以2009年2月至2012年3月国内食糖均价的月度数据为因变量,构建多元线性逐步回归模型,得到国内食糖价格的主要影响因素,分别为:国际食糖均价、原油价格以及居民消费价格指数(CPI)。本文还对各影响因素进行了分析。     

基于多元线性回归分析的设施农业信息系统

通过对农户问卷调查数据的多元线性回归分析,考查了作物生长与各影响因子间的相互依赖关系,通过检验回归方程的显著性,进行相关系数的分析,得出了模型中的参数;利用数据仓库技术,为其建立了统一、全面的原始数据,从而为生产决策提供方法依据,对未来农户满意度进行预测.最后,采用Java EE平台的web service技术,实现了...     

基于随机森林回归方法的水稻产量遥感估算

为寻求高效的水稻产量估算方法,以2017年长春市九台和德惠地区的采样点为样本,遥感数据和气象数据为特征变量,通过对产量与特征变量间的相关性分析与特征变量之间的主成分分析和袋外数据(out-of-data,OOB)变量的重要性分析对特征变量进行选择,以选择后的特征变量为输入变量建立水稻产量估算的随机森林回归(RFR)模型。结果表明:特征变量优选后的RFR模型对水稻产量估算的精度更高,决定系数R~2和平均相对误差MRE分别为0.950和0.060;并将该模型应用到农安地区,以多元逐步回归模型作为比较模型,表明RFR模型的水稻产量估算精度明显优于多元逐步回归模型,RFR模型的R~2和MRE分别为0.730和0.090,多元逐步回归模型的R~2和MRE分别为0.530和0.120。     

基于BP神经网络的粮食产量预测模型

提高我国粮食产量的预测精度与效率是人们关注的一个重要问题.BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单又非常有效的算法.将BP神经网络模型应用到粮食产量预测中,并建立了粮食产量的神经网络预测模型,结果表明BP神经网络应用于粮食产量预测是可行的.     

广西镉地球化学异常区水稻籽粒镉含量预测模型研究

为了解广西镉地球化学异常区土壤对水稻籽粒镉含量的影响,更进一步从局部有限的土壤-水稻"点"的研究拓展到镉异常区域范围内"面"的研究,共采集土壤-水稻样品656件,采用逐步多元回归分析建立不同镉浓度等级下水稻籽粒重金属Cd含量预测模型。结果表明:研究区土壤呈中性(pH均值为6.8),属矿质土壤(OM均值为39.53 g·kg~(-1)),全量镉和有效态镉含量范围分别为0.078～7.893 mg·kg~(-1)和0.028～5.875 mg·kg~(-1);根据《食品安全国家标准食品中污染物限量》(GB 2762—2017),稻米Cd超标率为13.6%;不同Cd浓度等级下最佳预测模型分别为:G1(0.5 mg·kg~(-1)):lg(Cd-G)=1.561-3.782 lg(pH)+1.825 DTPA-Cd;G2(0.5～1.0mg·kg~(-1)):lg(Cd-G)=5.145-0.280 pH-2.448 lg(OM)+1.039 lg(DTPA-Cd);G3(1.0～2.0 mg·kg~(-1)):lg(Cd-G)=1.074-0.208 pH-0.029OM+0.589 DTPA-Cd;G4(2.0～3.0 mg·kg~(-1)):lg(Cd-G)=-0.897-0.026 OM+0.785 DTPA-Cd;G5(3.0 mg·kg~(-1)):lg(Cd-G)=0.791~(-1).322 lg(OM)。总体上,广西镉异常区土壤中Cd整体偏高,已经对水稻安全种植产生影响,预测模型能够较好地预测稻米中镉的累积量,为广西镉异常区内其他水稻产地的安全生产提供参考。     

基于多元混合线性模型的稻田地力评估

土壤地力对水稻产量具有较大贡献,关键地力因子筛选和地力模型评估对指导农业管理实践有重要意义。分别选取湖南道县和澧县典型高中低产稻田50 cm深土壤剖面,间隔5 cm分层取样对其理化性质进行分析。依据皮尔森相关系数挑选出影响稻田地力的关键因素,利用多元线性回归和混合线性回归分别对稻田地力建模评估并比较。研究表明,决定稻田地力的土壤基本理化性质重要性排序为:阳离子交换量=钙离子钾离子速效钾pH值粘粒含量,都呈显著正相关性。模型比较中,按0-20 cm,20-30 cm,30-50 cm深度采样建立的多元混合线性模型对稻田地力预测效果最好,选用的固定效应包括:速效钾,速效磷,总磷,钙离子、钾离子,阳离子交换量,pH值,粘粒和砂粒含量,随机效应为饱和导水率,有机碳,钠离子和容重,所得模型能解释稻田地力总变异的85%,而不分层的多元线性回归模型则只可解释73%。     

基于多元回归分析和灰色模型的康乐县城乡建设用地预测

结合多元回归分析和GM(1,1)灰色预测模型,以康乐县为研究对象,通过2000年～2008年的城乡建设用地面积数据预测了2015年和2020年的康乐县城乡用地面积.结果表明:通过多元回归分析,灰色预测模型的2015年和2020年康乐县城乡建设用地预测结果分别为4 671.16、4 698.28hm2和4 783.04、4 827.81hm2,与城乡规划指标4 898.25、4 916.63hm2较为相近,预测可行.     

基于逐步回归模型拟合房价预测模型

本文基于逐步回归模型来拟合房价预测模型,对全国的综合房价、以北京市为代表的 发达省份、以海南省为代表的半发达省份和以江西省为代表的发展中省份均进行拟合和预测, 再进行比较,得出结论:长期来看房价普遍会上涨,而从短期来看全国的综合房价和以江西省为 代表的发展中省份的房价将会下跌,以北京市为代表的发达省份和以海南省为代表的半发达省 份的房价将会继续上涨。