时间序列分析在地下水动态预测中的应用

建立了基于时间序列分析的地下水埋深动态模型,并对垦区地下水水位进行了预测.结果表明,当样本容量足够大时,该方法的预测结果具有很高的精度以及稳定性,可以应用于地下水埋深的动态预测中.     

气象因素影响下小麦蚜虫种群动态突变模型分析

【目的】根据小麦蚜虫种群动态变化和气候因素的关系,建立小麦蚜虫种群动态的突变模型,以期为蚜虫的防治提供参考。【方法】假设研究区域不变,小麦的品种、天敌状况、农民施肥、喷洒农药年际变化变化很小时,将气候因素加以细化,以温度、相对湿度和作物生长状况为控制变量,在广义logistic模型的基础上建立蚜虫种群动态变化的燕尾突变模型,并对该模型进行了检验。【结果】构建了受温度、相对湿度、作物生长状况3种因素作用的小麦蚜虫种群动态模型,并在此基础上构建了燕尾突变模型。利用燕尾突变模型预测了蚜虫种群动态在气候因素影响下突然爆发的可能情况:当蚜虫种群动态处于分歧点集中的Ⅴ区,且控制变量有向Ⅰ、Ⅱ、Ⅲ、Ⅳ 4个区域发生变化趋势时,蚜虫种群系统将会产生突变;蚜虫种群动态处于分歧点集的Ⅱ区,且控制变量从Ⅱ区变到Ⅰ、Ⅲ、Ⅴ区时,系统的稳定性不会引起改变;当蚜虫种群动态处于分歧点集的Ⅰ、Ⅲ、Ⅳ区,且控制变量变化到Ⅴ区时,系统的稳定性也不会产生改变。验证结果表明,燕尾突变模型可以预测蚜虫种群生长过程中的突变行为。【结论】构建的燕尾突变模型可以较好地预测小麦蚜虫种群动态的突然变化。     

我国大豆加工企业的动态套期保值业务模式

为提高我国大豆加工企业的价格风险管理水平提供理论参考,基于套期保值理论,采用ARIMA模型和VAR模型对国内大豆和豆油的价格与基差变动进行预测,提出大豆加工企业的动态套期保值业务模式。结论:大豆加工企业应首先根据未来大豆和豆油价格变化趋势的预测,确定是否存在价格波动风险并决定是否进行套期保值;其次,根据现货和期货市场的价格波动情况确定合适的套期保值比率;最后,根据预测的基差变化趋势,动态调整套期保值的交易策略。     

种植业灰色动态模型的建立与精度分析

本文根据灰色系统理论,结合长春市种植业的实际情况,建立了产量预测灰色动态模型,并对其精度进行研究,提出预测值修正方法,对产量进行预测。这将为合理地组织农业生产,保障市场需要和促进国民经济发展提供科学依据。     

基于小波分解的凡纳滨对虾养殖水体水质的仿真研究

依据凡纳滨对虾养殖水体中测定的水质数据,利用ARMA 模型和神经网络模型两种方法对水质动态进行预测和分 析,提出了一种基于小波分解且针对凡纳滨对虾养殖水体水质预测的ARMA 模型,且ARMA（p,q）模型中的p 值和q 值分别为4和2。预测结果表明,所建立的预测模型精度较高。将ARMA 模型预测的结果与神经网络预测的结果进行了对比后发现,基于小波分解的ARMA 模型对对虾养殖水体水质预测的有效性和准确性优于神经网络预测模型。     

黄山松天然林收获模型及在择伐收益法中的应用

为解决天然异龄林生长动态预测中林分年龄不易确定问题,以黄山松天然林为建模对象,构建了以立地质量等级为哑变量、间隔期为自变量的林分收获模型,并引入蚁群算法估计模型参数。样地实测数据检验表明,基于间隔期的黄山松天然林收获模型适用,精度较高。在此基础上,探讨了基于间隔期的林分收获模型在天然异龄林林木资产评估中的应用,为择伐收益法在资产评估实践中的推广应用提供了技术支撑。研究结果在森林资源动态预测、资产评估、经营决策等方面有理论意义和实际应用价值。     

吉林省粮食总产量影响因素趋势分析

采用灰色系统理论,对影响吉林省粮食总产量的各因素进行动态灰色关联分析,并运用GM（1,1）模型在对其发展趋势预测的基础上进行趋势关联分析.研究结果动态地反映了吉林省粮食生产发展的趋势,为粮食生产持续发展、科学决策提供理论依据。     

基于灰色系统的我国居民生活用水预测分析

以2005—2014年10年间我国居民生活用水资料为依据,应用灰色理论构建等维递补动态GM(1,1)模型,对我国居民生活用水进行预测.统计检验和误差分析结果表明,该模型预测精度高,可靠性强,结果符合实际,为制定城市居民生活用水标准和水价提供了科学依据.     

油松人工林林分生长过程动态预测及检验

根据北京山区调查的246块油松人工林固定样地资料,运用理论生长方程,建立了油松人工林林分高和断面积的生长模型,并对其生长过程进行了精度评价及预测检验。结果表明:Compertz、Mitscherlish、Logistic方程拟合油松人工林林分高生长过程时,方程渐近参数受立地指数的影响,将立地指数作为方程自变量时,预测精度最高的是Mitscherlish方程;将立地指数、林分密度指数引入Korf理论生长方程中拟合油松人工林林分断面积生长过程,其模拟精度R2达0.98;对两个模型进行χ2检验,发现观测值和预测值差异不显著,拟合效果良好。研究结果可对北京地区油松人工林的生长动态进行精确预测,为油松人工林的科学经营提供理论依据。     

基于灰色系统理论改进模型的储罐腐蚀速率预测

采用灰色系统理论中灰色动态模型GM(1,1)的改进模型,对储罐实际统计的腐蚀速率数据进行灰色动态模拟,建立了相应的预测方程。对储罐罐顶、罐壁和罐底板的腐蚀速率进行预测,结果表明:预测值与实际值吻合较好,预测方程具有很高的稳定性和精确性。该预测方程可利用较少的实际数据进行储罐各部分未来任意时刻的腐蚀速率预测,从而为储罐的腐蚀防护和安全管理提供科学依据。     

Bayes动态模型在房屋销售价格指数预测中的应用

利用Bayes动态预测方法建立了我国房屋销售价格指数的Bayes动态预测模型,并将其预测结果与一般曲线回归预测模型的预测结果进行了比较。结果表明Bayes动态预测模型的预测效果具有明显的优越性。     

基于时变高阶矩NAGARCHSK-LSTM模型的中国碳排放权价格预测

有效的碳价预测有助于碳市场以较低成本解决环境问题，实现碳排放减少的目标。现有研究忽略市场不对称和极端因素对碳价的时变高阶矩冲击关系，预测准确性存在质疑。基于碳价非对称性、极端冲击敏感性强以及时变波动等专属特征，构建新的机器学习碳价预测模型NAGARCHSK-LSTM。研究显示，NAGARCHSK-LSTM模型能有效捕捉碳价时变高阶矩特征，碳价预测精度和鲁棒性均优于其他基准模型，特别是模型长期预测优势得到验证。研究为投资者研判市场行情、开展价格分析提供技术手段。     

地下水动态预测模型研究

把地下水动态模型分为确定性模型和随机性模型,并列举了目前较常运用的几种理论方法,然后简要介绍各理论的发展历程及其原理、优缺点和应用领域等。     

灰色系统在我国大豆供需预测中的应用

利用灰色系统的指数函数变换原始数列以增加其光滑性,建立模型GM（1,h）,用龙格-库塔法求解系统状态方程矩阵,并对状态方程的数值解累减还原,得到大豆产量、需求量和进口量预测值。并在其发展趋势预测的基础上,提出实现中国大豆市场持续发展、对策建议。     

集成预测模型在森林火灾预测预报中的应用研究

提出了以非线性函数拟合发展趋势、正弦函数逼近周期变动和马尔可夫链刻画随机扰动的集成预测模型,并利用该模型对福建省建阳市森林火灾面积的变动规律进行了预测预报,取得了较为理想的效果。理论与实践表明集成预测模型能定量分析灾害发生的时间动态及其变化规律,从而为灾害防御决策提供了可靠的信息。     

广西木薯生产潜力预测

采用数量化分析模型对广西木薯种植面积、单产和总产进行预测研究。以广西1985-2004年木薯种植面积、单位面积鲜薯产量和总产量为样本,建立了木薯单产、总产潜力GM(1,1)时序预测模型、木薯面积潜力自回归时序预测模型。经拟合及精度检验,拟合指数均在0.85以上,历史符合率达100%,木薯单产模型为一级精度,木薯面积、总产模型为二级精度。预测结果表明,2005和2006年广西木薯单位面积鲜薯产量分别为21.46 t.hm-2和22.45 t.hm-2,木薯鲜薯总产量分别为582.89万t和617.37万t,木薯种植面积分别为26.2万hm2和27.09万hm2。     

基于组合模型的黑龙江省人口预测及分析

首先以1993～2004年黑龙江省人口数据资料为依据,应用Logistic增长模型,线性回归模型,灰色系统GM（1,1）理论,分别构建人口预测模型,预测结果与实际数值比较、分析,表明模型应用效果比较符合实际。然后考虑到定性和定量性,将模型有机的结合,建立一个更合理的模型,提高模型预测精度,对2007～2012年黑龙江省的已有人口数和未来人口规模进行分析与预测。     

灰色理论预测方法在地理学中的应用研究

介绍了灰色预测理论,针对地理学问题引入马尔可夫链修正GM（1,1）预测模型,并依据气象数据的特性对该模型进行改进,形成适应于气象数据预测的改进的等维无偏递补GM（1,1）马尔可夫预测模型。最后,以哈尔滨市气温和风力数据进行了模型预测验证。结果表明：利用改进的模型进行气象预测,效果令人满意。     

基于AR（1）-GARCH（1,1）模型的SHIBOR利率波动性研究

使用隔夜拆借利率数据为样本,利用模型对SHIBOR市场利率的动态特性进行研究.研究结果表明：首先,SHIBOR隔夜拆借利率存在条件异方差性;其次,所使用的AR（1）-GARCH（1,1）模型能够很好地刻画SHIBOR隔夜拆借利率序列的自相关性和条件异方差现象,进而可以准确地对其波动性进行估计和预测;再次,SHIBOR市场隔夜拆借利率的变动与其前一期利率的变动关系十分紧密,而隔夜拆借利率波动受前一期利率波动的影响很大,具有很强的持续性.     

Support Vector Machines (SVM)-Markov Chain Prediction Model of Mining Water Inflow

This study was conducted to establish a Support Vector Machines (SVM)-Markov Chain prediction model for prediction of mining water inflow. According to the raw data sequence, the Support Vector Machines (SVM) model was built, and then revised by means of a Markov state change probability matrix. Through dividing the state and analyzing absolute errors and relative errors and other indexes of the measured value and the fitted value of SVM, the prediction results were improved. Finally, the model was used to calculate relative errors. Through predicting and analyzing mining water inflow, the prediction results of the model were satisfactory. The results of this study enlarge the application scope of the Support Vector Machines (SVM) prediction model and provide a new method for scientific forecasting water inflow in coal mining.