粮食产量灰色模型预测

根据灰色系统理论,建立了GM(1,1)模型,并对粮食产量进行了预测。结果表明:用GM(1,1)模型预测粮食产量,从理论上讲比数理统计模型严谨,计算比较简单,弥补了中小地区不能实现依靠气象预测和遥感预测的缺陷,因此具有一定的可行性。     

基于小波变换的GM(1,1)-ARIMA组合模型对粮食产量的预测

为提高粮食产量的预测精度,针对粮食产量的数据特点,提出了在小波变换的基础上,结合GM(1,1)模型与ARIMA模型的优点,建立GM(1,1)-ARIMA组合预测模型。首先,通过小波变换对非平稳序列进行分解,得到近似分量和细节分量;针对各分量序列的不同特征,采用灰色GM(1,1)模型对近似分量进行趋势预测,为进一步提高趋势信号的预测精度,使用灰色GM(1,1)模型对预测序列进行残差修正;然后,采用ARIMA预测模型对分离出的细节分量进行预测;最后,通过小波重构得到粮食产量的预测值。预测结果表明,基于小波变换的GM(1,1)-ARIMA模型的拟合平均误差为0. 69%,通过对2011—2014年粮食产量的预测,其预测平均误差低于1%,为粮食产量预测提供了一种新的技术途径。     

GM(1,1)模型对烟草产量的灰色预测

为了科学规划福建省宁化县烟草种植,运用灰色系统理论对该县1996～2004年烟草产量数据进行分析,建立了灰色系统的预测GM（1,1）模型。运用GM（1,1）模型对全县的烟草产量进行预测,并对预测结果分别进行了残差、关联度和后验差检验。结果表明,预测产量与实际产量大体吻合,二者的平均相对误差为2．28％,关联度为0．91（k=0．5）,方差比为0．4,小误差概率为1。经与检验标准对比,显示所建模型精度较高,可用于宁化县烟草产量的短期预测。     

河北省食用菌产量预测分析——基于灰色GM(1,1)模型

随着人们消费观念和膳食结构的改变,食用菌需要量大大增加,未来食用菌产量走向关乎着企业的资金投入以及政府政策制定。以河北省食用菌产量为预测研究数据,设计了灰色GM(1,1)模型,对模型预测精度进行残差、后残差检验,借助matlab平台验证模型具有较高的预测精度。运算结果表明,设计的模型精度能控制在2.82%以内,并且具有收敛速度快的特点,具有较高精度,运用此方法对未来5年河北省食用菌产量进行预测,通过分析预测结果,给出了确保河北省食用菌产量稳固增长、产业稳定发展的对策建议。     

灰色GM(1,1)模型在贵州省畜产品产量预测中的应用

以1995～2007年贵州省畜产品产量为原始数据,分别建立了贵州省肉类、禽蛋和奶类产量的GM（1,1）灰色预测模型,并对其分别进行了残差、关联度和后验差检验。结果表明,3种预测模型均通过检验,并显示出较高精度,可用于贵州省畜产品产量的预测研究。     

基于GM(1,1)模型的金城山客流量预测

利用往年客流量数据建立GM(1,1)模型对金城山风景区客流量进行预测与分析,证实GM(1,1)模型作为一种时间序列模型预测风景区年客流量具有预测精度高、误差小、方法简单实用、可信度强等优点.     

基于灰色模型GM(1,1)的荆州市耕地动态变化分析

以湖北省荆州市1997～2004年耕地数据为基础和平台,运用灰色预测GM(1,1)模型,探讨耕地数量动态变化,为可持续发展规划提供参考.结果表明,GM(1,1)模型对荆州市耕地资源数量的历史趋势拟合程度较高,预测结果符合荆州耕地数量变化规律.荆州市耕地面积在未来几年内仍将呈现出持续减少的趋势.因此保护耕地资源,合理利用和保护耕地都是刻不容缓的任务.     

灰色GM(1,1)模型预测吉林省高粱播种面积

对1978-2004年吉林省高粱播种面积应用灰色G(1,1)模型进行2008年以后10年预测,预测方程为x(t+1)=-5520.422438e-0.0546415+5802.322438.模型精度高、方法简便、结果可信,不失为一理想的预测方法.     

应用GM(1,1)模型对天然橡胶期货价格进行预测的实证分析

运用灰色系统理论的原始GM(1,1)模型与新陈代谢GM(1,1)模型,对上海期货交易所的天然橡胶期货品种的价格进行预测,研究在不同的GM(1,1)模型下的精确度。结果显示,新陈代谢GM(1,1)模型要比原始GM(1,1)模型精确度高,在进行价格预测时,可以根据精确度高低的要求选取合适的模型。     

牡丹江市农民人均收入的GM(1,1)预测

运用灰色系统理论中的GM(1,1)灰色预测模型,以牡丹江市2005～2010年的农民人均年收入额为例,对其2011～2014年的人均收入状况进行了科学预测,为相关决策部门提供科学依据。     

无偏灰色预测模型在农业机械总动力预测中的应用

以我国1997~2005年农业机械总动力数据为基础,将无偏灰色预测模型应用到农业机械总动力预测中,并与传统灰色预测模型进行比较,结果反映了无偏灰色预测模型的优越性,最后预测数据显示2009年我国农业机械总动力将达到85 262.54万kW。     

组合预测在吉林省粮食产量预测中的应用

利用吉林省1952~2009年粮食产量的统计数据,将指数平滑模型和GM（1,1）预测模型加以组合,建立了吉林省粮食产量的预测模型。同时,对吉林省2010~2015年粮食产量和年均增长率进行了预测,为吉林省未来的农业发展规划提供合理依据。     

运城市粮食产量综合预报模型

基手运城市13个台站1971～2010年间的冬小麦和秋粮单产、作物生长期间的气温、降水和日照等地面资料以及海温、高度场资料．运用滑动平均、调和权重、逐步回归等方法分析了气象条件与冬小麦和秋粮单产的相关关系,分别建立了冬小麦、秋粮产量各种预报模型,并在此基础上建立了冬小麦、秋粮产量综合预报模型,其拟合效果和试报效果甚佳,可投入业务应用。     

宣城地区粮食总产的灰色马尔柯夫链预测方法

使用灰色马尔柯夫链预测方法预报宣城地区粮食总产 ,其结果不仅时效好 ,而且既能反映出趋势产量 ,又能反映出气象产量 ,预报准确率比单纯使用灰色GM(1,1)模型显著提高。 1998、1999年试报误差均小于 1.5 %。     

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。     

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。     

组合预测模型在农业经济研究中的应用——以吉林省粮食产量为例

根据最优加权理论来确定权重,将时间序列模型、指数平滑模型和GM(1,1)预测模型加以组合,利用吉林省1952~2007年的粮食产量统计数据,建立了吉林省粮食产量的组合预测模型;并预测出了吉林省2008~2015年的粮食产量和年均增长率。     

基于灰色神经网络的粮食预测

结合灰色GM(1,1)预测模型和BP神经网络2种预测模型的优点,提出了一种灰色神经网络模型,并用该模型对蚌埠市小麦产量进行预测。结果表明,灰色神经网络预测精度高于单一的灰色GM(1,1)预测模型或BP神经网络。     

基于灰色新陈代谢模型的我国棉花产量预测

为预测2011年我国棉花产量,基于灰色预测建模思想和新陈代谢原理,建立了灰色新陈代谢预测模型,并结合实际情况分析了常规GM（1,1）模型和新陈代谢GM（1,1）模型的预测结果,表明新陈代谢预测模型比常规预测模型精度高。用新陈代谢GM（1,1）模型预测的我国2011年棉花产量为614.968 3万t。     

基于马尔可夫模型的粮食产量丰歉状态预测

基于粮食产量序列存在不确定性、不精确性的特点,应用有序聚类的方法建立粮食产量丰歉状态的分级标准,并根据烟台市1949~1997年粮食产量对1998和1999年的粮食产量进行了预测。结果表明,根据有序聚类的原理确定粮食产量的状态,可使确定的分级标准更加合理;1998和1999年预测结果为丰年的发生概率为0.786和0.838,与实际情况相符,预测效果比较明显。