基于Shapley值的组合预测方法在福建省农业总产值预测中的应用

提出了基于Shapley值的农业总产值的组合预测方法。算例结果表明,该方法可有效提高农业总产值的预测精度。     

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。     

基于时间序列的农业非点源污染产出预测研究

选取三江平原蛤蟆通河流域作为研究区,利用SWAT模型农业非点源污染模拟结果,建立了农业非点源污染的季节性ARIMA模型,对未来3年农业非点源污染进行了预测,为非点源污染防治提供一定的理论依据。     

时间序列分析模型及其在GDP预测中的应用研究

分析了时间序列模型中求和自回归移动平均模型ARIMA（p,d,q）的建模过程,依据1970~2008年广西南宁市GDP数据,建立了ARIMA（1,1,0）模型,并结合Eviews 5.0统计软件实现对模型的检验,结果显示,模型具有较好的预测效果和现实意义,可为南宁市制定经济发展目标提供决策参考。     

组合模型分析方法在我国粮食产量预测中的应用

尝试将组合预测法应用于我国未来粮食产量的预测,以提高预测精度。通过赋予合理权重,将C-D生产函数模型、多元回归模型和指数平滑模型加权组合。对各模型进行平均绝对百分误差(MAPE)、希尔不等系数(Theil IC)和均方根误差(RMSE)等指标的比较,证明单一模型经过组合能够提高预测精度。     

组合模型在物流量预测中的应用

在分析指数拟合、灰色系统模型的平均预测误差的基础上,建立了组合预测模型,并对广州市的物流量进行了预测.结果表明,组合模型的预测结果是最优的.     

四川农业总产值的预测与分析

本文验证了四川农业总产值序列是一个单位根过程,在此基础上对其差分序列建立自回归模型进行预测;通过分析影响四川农业总产值多年来升降的原因,发现四川农业总产值的增长主要受外部因素的影响。     

人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。用ARIMA似模型可以对天津市人均国内生产总值（1978～2006）时间序列进行建模和短期外推预测。     

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。     

基于季节ARIMA模型的铜陵市气温序列的预报

运用EVIEWS软件,对铜陵市48年来的月平均气温时间序列进行统计分析,并对该动态数据进行建模和预测。采用差分方法对样本数据进行预处理,然后定阶,并进行参数估计,建立季节ARIMA模型对铜陵市气温数据进行预报。预报结果显示,季节ARIMA模型的平均绝对误差值为0.875。将ARIMA模型预报结果与径向基(radial basis function,RBF)神经网络模型的预报值比较可知,其预报结果优于RBF神经网络的预测结果。     

基于修正组合模型的包头市用水量预测分析

【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。     

基于最优加权组合模型的枯季径流预测研究

【目的】研究最优的枯季径流预测模型,为流域水资源管理提供依据。【方法】建立基于差分自回归移动平均(ARIMA)、人工神经网络(ANN)和多元线性回归(MLR)3个单项模型的简单平均组合和最优加权组合预测模型,并将单项预报模型和组合模型应用到石羊河流域支流西营河的枯季径流预测中,采用相关系数、确定性系数以及均方根误差对各模型预测精度进行比较。【结果】单项预测模型中,仅ARIMA模型通过了确定性系数检验;最优加权组合模型的预测精度较简单平均组合模型高;组合预测模型中,仅ARIMA-MLR和ARIMA-ANN最优加权组合模型的确定性系数高于所有单项预测模型。【结论】最优加权组合模型的精度不但取决于各单项预测模型的精度,也与其之间的相关性有关,适合西营河枯季径流预测的最优加权组合模型是ARIMA-MRL和ARIMA-ANN组合模型。     

基于饲料需求的我国饲料谷物需求预测分析

为探讨肉蛋奶生产对饲料谷物需求量,利用误差修正模型和ARIMA模型,基于1980—2013年我国肉蛋奶产量和饲料谷物消费量的数据进行预测分析。结果发现,未来肉蛋奶产量和饲料谷物需求量均呈现逐年增长的态势,2025年肉蛋奶产量将达到18 788万t,饲料谷物需求量将突破20 000万t,达到21 596万t。未来饲料谷物的供需平衡关乎我国畜产品的有效供给。因此,合理扩大饲料谷物的生产面积,提高单产水平以及适度进口、加大饲料科技投入和提高科技转化效率可能是缓解饲料谷物需求压力的有效途径。     

基于时间序列的微藻生长环境参数的预测模型

掌握微藻生长环境中的温度、硝酸盐浓度、氧气浓度等参数的变化规律有利于提高生物产出量.本研究利用钝顶螺旋藻全生长周期中的大量环境参数,引入时间序列预测方法,通过极大似然估计,得到线性回归模型,同时引入状态空间预测方法,将低维的线性模型映射到高维空间,以消除低维空间下模型的不准确性.为评估模型的有效性,采用了杜宾-瓦特森检验法、图像法、均方根误差、平均绝对误差和最大误差等评估方法和指标进行评估和验证.预测结果显示,自回归滑动平均模型和自回归滑动平均-卡尔曼滤波模型均可用于预测微藻生长的环境参数;与前者相比,后者预测误差更小,模型拟合更精确,能更好地揭示钝顶螺旋藻生长过程中环境参数的内在规律.     

基于改进B—P算法的内蒙古粮食产量中长期预测

在改进 B- P算法、提高 B- P算法预测精度的基础上 ,对内蒙古粮食总产量进行了预测。结果表明 ,在 2 0 0 2～ 2 0 1 1年 ,内蒙古粮食总产量由 2 0 0 2年的 1 4 75 .5 7万 t增加到 2 0 1 1年的 2 1 0 3.4 3万 t,呈现出稳定增加的趋势。最后提出了实现内蒙古粮食预期产量应采取的措施     

基于MGM（1，n）模型的中国水产品产量时间序列的实证分析

运用灰色关联度与多变量灰色系统理论对中国1986-2011年水产品产量时间序列进行了实证分析。首先用灰色关联分析方法将水产品产量所包含的5组时间序列即海洋捕捞、远洋渔业、海水养殖、淡水捕捞、淡水养殖产量进行了分类;再将关联度达到0.9以上的海洋捕捞、海水养殖、淡水养殖产量3组时间序列划分为一组并运用多变量灰色MGM (1, n)模型对其进行建模,由于这3组序列关联度高且单个序列累加数据近似服从指数分布,因而拟和结果数据逼近初始数据;对关联度达到0.8的远洋渔业与淡水捕捞两组时间序列,也尝试用MGM (1, n)模型进行建模,结果模型拟合略有欠缺。本研究中的这种建模方法既考虑了序列间的内在联系,又避免了分别使用单一序列建模割裂序列相互制约因素的情况发生,图示与误差分析结果均显示该方法具有效性。     

中国农业生态效率评价方法与实证——基于非期望产出的SBM模型分析

生态效率是衡量经济与资源环境协调发展的重要指标.基于将农业面源污染作为非期望产出的考量,在对传统DEA模型进行修正的基础上,采用非径向、非角度的SBM模型对中国30个省份的农业生态效率进行了测算,并给出了农业生态效率的改善途径.研究结果表明:1998-2009年中国农业生态效率虽然呈现缓慢上升态势,但整体仍处于较低水平,除北京、上海、海南、重庆外,其余省市都需要改变投入和产出来优化农业生态效率;资源的过度消耗和环境污染物的过量排放是农业生态效率损失的主要原因.提高资源利用效率、降低资源消耗量和环境污染物的排放量是农业生态效率改善的重要途径.