灰色广义回归神经网络在木薯产量预测中的应用

将GM(1,1)预测模型与广义回归神经网络(GRNN)相融合,构建一种兼具两者优点、互补型的灰色广义回归神经网络(GGRNN).以1985-2007年度广西木薯鲜薯总产量为数据样本,采用GGRNN模型进行广西木薯产量预测研究.研究结果表明,GGRNN训练期平均拟合指数、预测期平均拟合指数分别为0.99和0.93,分别比GM(1,1)模型高0.09和0.04.该组合模型在拟合精度和预测精度方面均优于单一的GM(1,1)预测模型,并具有自学习能力、非线性映射能力以及适应性强等优点,为木薯产量预测的定量化和智能化提供了一条有效途径.     

宿州市秋冬连旱的灰色BP神经网络预测模型

秋冬连旱是影响宿州冬小麦、油菜等越冬作物生长发育的重要因素。以Z指数≤一0．8为标准,确定宿州市秋冬持续重旱年份序列,建立GM（1,1）预测模型,并应用BP人工神经网络（BP—ANN）对残差进行拟合,对GM（1,1）预测模型进行修正。结果表明,拟合结果较单一的GM（1,1）模型有一定提高。预测2008年后的下一个宿州市秋冬（10月-2月）持续重旱年度发生在2017～2018年,对当地农业生产和防灾减灾有一定的参考价值。     

GM(1,N)灰色系统与BP神经网络方法的粮食产量预测比较研究

基于国家粮食安全预警系统的开发项目,针对我国粮食年产量预测中精度差和波动大的问题,分析了逐步回归、BP神经网络和GM(1,N)灰色系统3种常用预测方法的预测能力。根据能够计量和具有农学意义2个原则,选择了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积等12个重要的粮食年产量影响因子,用上述3种方法构建预测模型。在建模样本相同的情况下,结果显示,BP神经网络方法5年期拟合平均相对误差为1.44%,连续5年逐年预测平均相对误差可达到2.89%,这2个性能均优于其他2种方法,可以较好地应用于粮食安全预警系统,笔者最后探讨了对BP神经网络进一步优化的方法。     

灰色神经网络耦合模型在加矾系统预测中的应用

为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016％,最大相差为0.025％,BP神经网络模型平均相对误差为0.037％,最大相差为0.069％,灰色神经网络耦合模型的平均相对误差0.006％,最大相差0.009％,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性.     

基于农业生产条件的河南粮食产量组合模型研究

通过对1990～2007年河南粮食产量的分析,在影响粮食产量的诸多因素中选出农业生产条件等8个主要影响因素。基于粮食生产系统的复杂性,建立偏最小二乘回归与BP神经网络耦合模型。偏最小二乘法通过对自变量中的信息进行组合和提取,有效克服变量之间的多重相关性问题,实现了对高维数据的降维处理,同时降低了神经网络的输入维数,提高了网络的学习效率和稳健性,从而充分利用了2类现代建模方法的优点。结果表明,偏最小二乘神经网络耦合模型研究河南粮食产量的拟合精度和预测精度都比较理想。     

基于BP神经网络的闽江上游洪水预报

洪水预报是水文科学中的难题,尤其是多分支河流的洪水演进和预报问题更是水文预报的难点。研究应用VB 6.0编程技术,实现人工神经网络BP算法的程序化,并建立闽江上游洪水过程预报的反向传播神经网络模型。经检验,洪水预测精度较好,结果令人满意,为闽江的洪水预报及调度工作提供新的思路和依据。     

基于BP神经网络的日光温室气温预报模型

为建立日光温室中短期气温预报模型,以2个冬季生产季的日光温室实时气温观测资料为基础,利用BP神经网络建模和曲线拟合的方法,对日光温室1~7d气温预报模型进行了研究。结果表明:1)以室外气温为输入要素的温室气温预报模型,最高气温预报值与观测值的符合度指数(D)为0.68~0.93,均方根误差(RMSE)为3.1~6.3℃;2)最低气温预报值与观测值的符合度指数(D)为0.81~0.95,均方根误差(RMSE)1.5~2.2℃;3)日光温室内最低气温预报绝对误差小于2℃的预报准确率Rate(≤2℃)为78%~95%;4)逐时气温预报模型预报值与实测值的符合度指数(D)为0.95~0.99,均方根误差(RMSE)为1.0~2.8℃,逐时气温预报模型预测准确率较高。结合目前气象台站"周预报"结果,模型可较准确地预报温室内1~7d最低气温,并模拟日光温室内气温的逐时变化,可为冬季日光温室低温灾害预警及室内气温调控提供有益参考。     

基于粗糙集和BP神经网络的粮食产量预测研究

为提高粮食产量的预测精度,提出一种基于粗糙集和BP神经网络的粮食产量预测方法。该方法以吉林省粮食总产量的历史数据作为研究对象,利用粗糙集理论的属性约简特性,识别与粮食产量相关性较大的影响因素,剔除非主要影响因素,利用约简后数据建立RSBP神经网络预测模型。结果表明,粗糙集理论能有效减少数据的维数及噪声,减少神经网络的计算量,结合两种方法能有效提高预测速度和精度。     

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。     

基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。     

基于小波广义回归神经网络的粮食产量预测模型

将小波分析与广义回归神经网络(GRNN)相融合,构建了一种小波广义回归神经网络(WGRNN)模型。该模型应用于我国粮食总产量预测,其预测结果在精度上均优于单一的GRNN预测模型和GM(1,1)灰色预测模型,既具有神经网络非线性逼近能力和自学习能力的特性,又具有小波在时、频两域表征局部特征的功能,可为粮食产量预测的定量化和智能化提供一条新途径。     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。     

基于BP神经网络的河北中南部空气质量预报研究

详细阐述了基于相关性较好的初始样本的BP神经网络空气质量预报模型的建立过程。以石家庄和邢台为例,将相邻两日污染物浓度差值作为预报量,利用前一日污染物浓度和当日气象要素日均值为预报因子,两者结合起来进行空气质量预报,并以冬季空气质量模型为例,对空气质量等级预报准确率进行检验。结果表明,石家庄和邢台SO_2和O_3的等级预报准确率为90%以上,PM_(2.5)、PM_(10)的等级预报准确率均为80%以上,首要污染物预报准确率均为80%以上。总体上,石家庄的空气质量等级预报准确率好于邢台。     

基于BP神经网络的河北中南部空气质量预报研究

详细阐述了基于相关性较好的初始样本的BP神经网络空气质量预报模型的建立过程。以石家庄和邢台为例,将相邻两日污染物浓度差值作为预报量,利用前一日污染物浓度和当日气象要素日均值为预报因子,两者结合起来进行空气质量预报,并以冬季空气质量模型为例,对空气质量等级预报准确率进行检验。结果表明,石家庄和邢台SO_2和O_3的等级预报准确率为90%以上,PM_(2.5)、PM_(10)的等级预报准确率均为80%以上,首要污染物预报准确率均为80%以上。总体上,石家庄的空气质量等级预报准确率好于邢台。     

辣椒不同深度土壤墒情预报的BP神经网络模型

依据内蒙古河套灌区治丰试验基地的不同深度土壤水分传感器采样土壤含水率以及气象、地下水、灌水(降雨)数据,建立了基于BP人工神经网络的辣椒同时输出不同深度土层体积含水率预报模型,并用实测土壤含水率数据对模型进行了检验.结果表明,模型具有较好的预报效果,应用于不同深度土壤墒情分析和预报是可行的.     

中国粮食产量的无偏灰色GM(1,1)模型与预测

根据《中国统计年鉴-2008》等最新统计数据,建立改进的无偏灰色GM（1,1）模型,并对2009～2015年中国粮食产量进行实证分析和预测。结果表明,所建模型简化了建模步骤,提高了预测精度,预测结果符合中国粮食生产实际。     

基于遗传算法优化的BP神经网络的组合预测模型方法研究

【目的】提出以传统猪瘟发病率为对象的组合预测模型。【方法】利用ARIMA模型以及灰色模型GM(1,1)进行数据初始化处理,将初步处理结果作为优化后的BP神经网络输入构建组合模型。【结果】利用组合模型对2000年到2009年的月度发病数据进行实例分析,结果表明预测数据精度达到97.379%,较ARIMA模型,灰色模型、BP神经网络模型分别提高了5.469%、3.499%、1.188%,模型平稳性增强,预测结果良好。【结论】本研究为动物疫情测报提供了有效的分析手段,验证了组合模型在动物疫情研究中的可行性,并可为其它动物疫病提供借鉴和参考。     

基于BP神经网络的巢湖市冬季浅层地温预报

利用2011—2016年冬季(12月至翌年2月)巢湖市国家基本站逐日气温、地温、日照、降水等气象资料,采用相关分析法筛选出影响地温的关键气象因子,运用MATLAB软件构建了基于BP神经网络浅层最低地温预报模型,并比较不同层模拟精度。结果表明,0~20 cm地温日变化均呈正弦曲线变化,越向深层地温变化幅度越小,位相逐层滞后。相关性分析表明,浅层最低地温与前一日的平均气温、最低气温、0~20 cm各层平均地温和最低地温成显著正相关,与前一日日照时数成显著负相关。模型模拟结果显示0、5、10、15、20 cm最低地温预报的标准误差和绝对误差逐层减小,20 cm层预报准确度明显优于0 cm层。     

基于EXCEL建立人口灰色预测模型的研究——以天津市农业人口为例

以EXCEL为基础,建立人口GM(1,1)预测模型,通过在编制好的Excel表格中输入已知时刻的实际值,就可以预测出所需的结果.以天津市农业人口为例,并检验精度,取得了较好的预测结果,为人口预测提供了一种操作简单、精度较高的方法.