农业灌溉用水量的LS-SVM预测模型研究

农业灌溉用水量预报是灌区制定水资源调度计划、合理高效分配水量的科学依据。针对灌溉用水量影响因素复杂非线性的特点,鉴于支持向量机算法的诸多优势,建立了基于最小二乘支持向量机的灌溉用水量预测模型,将该模型用于塔河流域T灌区灌溉用水量预测,并与人工神经网络方法预报结果比较,表明该方法具有泛化能力强、误差小等特点。     

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。     

基于经验模态分解和小波神经网络的温室温湿度预测

温室温湿度的准确预测有助于及时调节温室小环境,温湿度预测模型是温室控制的重要基础,提高预测精度有助于提高生产水平。针对温室系统具有非线性、非平稳性等特点,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和小波神经网络(wavelet neural network,简称WNN)的温室温湿度组合预测方法。首先,利用经验模态分解方法将原始时间序列分解成一系列分量;然后对各分量分别构建小波神经网络模型进行预测;最后叠加各子序列得到预测值。结果表明,运用EMD-WNN组合的温度模型有效性为0. 993 4,湿度模型有效性为0. 978 1,且优于单独WNN模型和BP神经网络模型的预测结果,可有效提高短期温室温湿度预测的精度。     

基于灰色马尔可夫模型的农业用水量预测

将灰色GM(1,1)模型和马尔可夫模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)模型预测,再用马尔可夫模型对预测结果进行优化,使预测精度大大提高.最后以辽河流域某典型区为例,预测结果证明了该模型的优势.     

基于经验模态分解和支持向量机的农产品价格短期预测

针对农产品价格序列非平稳、非线性的特征,提出一种基于经验模态分解和支持向量机的短期农产品价格组合预测方法。以全国苹果批发价格的周度价格序列为研究对象,首先对价格序列进行非平稳、非线性检验;然后将价格序列分解成一系列具有不同特征尺度的分量;最后针对各分量的特点分别构建支持向量机模型进行预测,得到苹果批发价格的预测值。研究结果表明,该预测模型能够更好地追踪农产品价格的变化,其预测精度与BP(back propagation)神经网络模型相比有显著提高。     

基于经验模态分解的滑坡变形监测模型

应用GPS技术对滑坡体进行监测,监测的特定环境使得GPS监测数据中的非模型误差呈现一定的特征。针对滑坡环境下GPS基线向量较短、系统性误差周期性强的特征,讨论应用经验模态分解对GPS滑坡监测数据去噪。在此基础上,应用灰色预测系统建立滑坡变形预测模型,用实测数据比较一般观测数据与结合经验模态分解的去噪观测数据建立模型的预测精度。应用云南某滑坡体的监测数据验证算法的可行性与有效性。     

基于MATLAB7的神经网络在灌溉用水量预测中的应用研究

灌溉用水量的预测对于灌区管理工作具有重要的指导意义,使用神经网络方法预测灌溉用水量。介绍了BP网络的算法步骤,并且以铁甲灌区为例,使用软件MATLAB7对所设计的网络进行学习和训练,隐含层单元数的选取采用实验法,最终以隐单元数为13的网络预测性能最好,误差也达到精度要求。所建模型可以预测铁甲灌区的灌溉用水量。     

基于机器学习和经验模态分解的跨期套利研究

采用滚动经验模态分解(EMD)方法对沪深300股指期货当月和下月合约的价差波动进行分解,分别利用Elman网络、随机森林(RF)、支持向量回归(SVM)3种机器学习模型及自回归移动平均模型(ARIMA)对不同频率信号进行分析,合成最终的预测结果,并根据预测结果设计跨期套利策略.研究结果表明:SVM,RF和ARIMA模型的预测精确度相对Elman网络较高,所有模型均能取得较高的套利收益,将非线性模型和线性模型融合使用能够改善模型的风险控制能力;将机器学习预测与EMD分解技术相融合可以在不提高风险的同时大幅度提高模型的收益率,从而使得模型的夏普比率和索提诺比率均有较大幅度上涨;分样本检验、全IMF信号预测以及基于商品期货市场的套利分析,均证明融合EMD的机器学习模型可以获得比纯机器学习模型更优异的套利效果.研究结论有助于促进人工智能与金融学的交叉融合研究,同时也为期货投资提供了理论和现实参考.     

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。     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。     

中国农业碳排放经验分解与峰值预测——基于动态政策情景视角

运用广义迪式指数分解(GDIM)考察了1985—2017年中国农业碳排放驱动因素,并根据因素贡献差异设置动态政策情景对2018—2030年的全国农业碳排放量进行模拟与预测。研究发现:财政支出规模是引致碳排放增长的首要因素,而财政支出强度与产出强度为促进碳排放减少的关键因素;从时间段来看,1985—2010年我国碳排放增长表现为“产值规模带动”到“生产支出带动”,2010年后呈现“政策规制效应”下的年际间交替增减变化态势;在动态情景预测中,政策规制情景和绿色低碳情景分别在2025和2020年达到峰值,高速发展情景和绿色低碳情景在2030年的碳排放总量相差近10亿t。由此可见,出台“奖补”与“规制”并行的政策手段、借助市场作用优化农业生产投入结构、提高农资消耗品使用率是促进低碳生产的长久之计。     

Elman反馈型神经网络模型在灌溉用水量预测中的应用

灌溉用水量的预测对灌区的灌溉管理起着重要的作用。运用神经网络中Elman反馈型神经网络建立了灌溉用水量预测模型,模型输入层神经元数目为4,输出层神经元数目为1,隐含层神经元数目确定采用试验法,最终确定为10。预测结果表明:该方法与传统的预测方法相比,具有网络稳定性高,训练误差曲线比较平滑,模型预报精度较高等优点。     

基于混沌理论的城市用水量预测研究

我国城市日用水量数据较多并与诸多因素息息相关,是一个典型的混沌系统.结合BP神经网络和混沌理论,利用重构相空间的嵌入维数,来确定BP网络的结构,建立基于混沌理论的城市用水量神经网络模型.利用该模型对H市用水量进行预测研究,给出较为详细的计算结果,实例证明该方法的正确性和科学性并有一定的理论价值.     

基于改进背景值的GM(1,1)模型的农业用水量预测

GM（1,1）模型可用于农业用水量的预测,但其精度还应提高。对传统的CU（1,1）模型进行原始数据序列光滑度和模型背景值构造方法的改进,先通过幂函数变换提高了原始数据序列的光滑度,在模型求解过程中采用改进的背景值算法,大大提高了模型的预测精度。将改进后的模型用于实际农业用水量的预测,结果证明改进后的模型具有很大优势。     

灰色等维新息模型在灌溉用水量预测中的应用研究

在分析现有灌溉用水量预测方法的基础上,运用灰色系统理论建立了等维新息模型GM(1,1),并用同步残差等维新息模型进行修正。结果表明,该模型能够及时更新数据信息,使模型保持良好的适应性,有效提高了预测精度。最后应用该模型对宝鸡峡灌区灌溉用水量进行预测检验,结果表明模型具有较高的预测精度。     

灌溉用水量变化趋势的分析与思考

通过对宝鸡峡灌区近十多年来灌溉用水量的变化趋势进行分析 ,发现其有逐年递减趋势 ,分别运用统计分析法和灰色系统理论的关联分析法 ,找出引起灌溉水量递减变化规律的主要影响因素是灌溉面积的逐年递减 ,初步分析造成这种局面的直接原因是 :1灌溉面积的直接减少 ;2井灌面积的增加 ;间接原因 :1农产品价格偏低 ;2灌水方式落后 :3水源污染严重 ;4浑水节水技术不成熟 ,并提出解决问题的基本思路 ,为灌区管理提供指导。     

投资者情绪指数的经验模态分解：基于增发窗口期的实证研究

投资者情绪是资产定价的重要影响因素。针对以往研究不能较好分离投资者情绪不同成分的局限,引入经验模态分解方法,以实现对投资者情绪的分解。以2013年实施增发的上市公司为样本的实证研究结果表明,经验模态分解方法能够有效地分离出投资者情绪的高频和低频部分。其中,低频部分反映了投资者对股市的长期预期,而高频部分反映了窗口期投资者对增发的情绪变化。同时,增发前投资者会对增发事件产生过度反应,而在增发事件完成之后,投资者的过度反应情绪会逐渐调整,并且该调整过程具有非线性特征。     

基于经验模态分解近似熵和支持向量机的农用柴油机故障诊断

针对往复机械振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解（EMD）、近似熵（ApEn）快速算法和支持向量机（SVM）相结合的机械故障诊断方法。运用经验模态分解方法对特定时段的振动信号进行分析,计算各个内禀模态函数（IMF）的近似熵,作为故障特征向量,并输入到支持向量机以判断机械的工作状态和故障类型。柴油机故障诊断试验结果表明,该方法能有效提取故障特征,在小样本情况下也具有较高的精度和较强的泛化能力,对其他机械故障的诊断具有一定借鉴意义。     

农业节水灌溉国别经验对比分析

中国农业节水灌溉面积较发达国家普及率依然较低,节水灌溉建设依然落后,在农业节水灌溉管理上面临投入机制不完善、建设和管理不规范、建后管护机制不健全等问题。发达国家在农业节水灌溉(农田水利)建设和管理方面建立了完备的体系,开展国内外农业节水灌溉(农田水利)建设和管理对比研究,有助于提高中国农业节水灌溉建设和管理水平。本文着重对西班牙、美国和日本3国农业节水灌溉(农田水利)建设和管理进行了对比研究,总结了国外节水灌溉(农田水利)建设经验对中国经验启示,建议发展节水灌溉和建设生态灌区两手同时抓、创新农业节水灌溉发展方式、明确节水灌溉建设和管理权责、扭转重建轻管思想,以及创新农业节水灌溉建设和管理体制机制将有助于中国农业节水灌溉的进一步发展。     

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。