呼伦贝尔市林区降水量变化特征分析

利用呼伦贝尔市林区近30年额尔古纳、根河、鄂伦春和牙克石共4个国家基本气象观测站的逐月观测数据,分析呼伦贝尔市降水量的变化特征。通过分析其年际降水量变化可知,年降水量值额尔古纳、根河、鄂伦春均呈现出波动下降的趋势,而牙克石站呈现出波动上升的趋势,呼伦贝尔市林区大部分地区近30年年降水量值大部分年都较距平值偏低。通过降水典型年选取计算结果以及与中国气象局全国气象灾害风险普查结果的综合分析后,选取2013年和1998年为呼伦贝尔市林区的降水典型代表年。通过典型年1998年和2013年的逐月降水量峰值判断分析可知,其月降水量呈现出双峰值的变化形态,这主要受到东北冷涡天气系统影响。     

基于神经网络的林区道路林产品货运量预测方法分析

根据近年来的交通现状来分析和阐释林区道路货运量预测方法的优缺点,运用神经网络的相关理论对林区道路林产品货运量进行预测分析,运用MATLAB进行训练,预测出林区道路林产品货运量,并与实际数据相比较,对此种方法检验准确度。结果表明,基于神经网络的林区道路货运量的预测简单有效,准确并且容易掌握。     

基于RLS算法的多项式预测模型及其应用研究

为了提高经济领域统计数据的预测精度，代数多项式预测模型的建模方法应运而生．该方法使用代数多项式模型拟合给定的经济统计数据，并使用递推最小二乘法(RLS)对多项式拟合模型的加权系数进行递推计算以获得最优模型参数，然后通过获得的最优多项式模型计算未来预测数据．文章以实际统计的经济数据为例进行了仿真计算，研究结果表明，该方法不仅能实现统计数据的高精度拟合，而且具有很好的预测能力，在经济领域具有广阔的应用前景．     

内蒙古武川县降水量的分析与预测

干旱地区的降水量是制约农业生产的主要因子,本文做了保证率的计算和分析并应用灰色系统Ｇ（１,１）预测模型,对内蒙古武川县未来年份的降水量进行了灰色预测,预测效果良好,可为农牧业生产单位及决策者提供长期的依据。     

北京地区森林对降水量影响的研究

根据线性回归分析表明,北京地区年平均降水量的分布前山区主要受海拔高度的影响,后山区主要受地理位置的影响.用前山区和后山区降水量与海拔高度和地理位置两线性回归方程消除海拔高度和地理位置的影响之后,林区比非林区年平均降水量平均高12.44%(68.4毫米),结果表明森林对降水量有重要的影响。     

基于信息扩散近似推理的年降水量预测模型

【目的】研究信息扩散近似推理方法在年降水量预测中的应用,并对比其他方法分析其推广前景。【方法】通过分析年降水量时间序列的特性,提出了基于当前趋势以及相邻年份降水量的年降水预测规则。利用信息扩散近似推理描述年降水量间的复杂非线性关系,并以某灌区长系列降水资料为样本进行实例计算。【结果】信息扩散近似推理方法预测效果较好,该方法误差绝对值和为1.673,小于人工神经网络和线性自回归方法的统计结果。【结论】信息扩散近似推理可将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可将矛盾模式转换成兼容模式。通过与传统预测方法相比较发现,该模型能够很好地光滑样本数据以及较好地发掘知识,有较高的预测精度和推广应用价值。     

降水量的BP人工神经网络预测模型及其应用

由于影响因素的复杂性 ,预测降水量具有相当的难度。在假设区域长时间内降水量和蒸发量保持平衡的基础上 ,用 BP人工神经网络建立了陕西省汉中市的降水量预测模型 ,根据前 3个月降水量和蒸发量对降水量资料进行了模拟预测 ,结果认为其准确率为 84% ,合格率为 10 0 %。     

内蒙古武川县降水量的分析与预测

干旱地区的降水量是制约农牧业生产的主要因子。本文做了保证率的计算和分析并应用灰色系统 Ｇ（１ ，１） 预测模型，对内蒙古武川县未来年份的降水量进行了灰色预测，预测效果良好，可为农牧业生产单位及决策者提供长期的依据。     

基于BP神经网络的粮食产量预测模型

提高我国粮食产量的预测精度与效率是人们关注的一个重要问题.BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单又非常有效的算法.将BP神经网络模型应用到粮食产量预测中,并建立了粮食产量的神经网络预测模型,结果表明BP神经网络应用于粮食产量预测是可行的.     

陇南纹党栽培技术

纹党为桔梗科多年生草本植物,与党参同属,以根入药,性平、味甘,有补中益气、健脾强身、补血、抗癌的功效,是甘肃省＂四大名药＂之一,在我国已有1 000多年药用历史。陇南市位于甘肃省南部,年均气温15℃,年有效积温4 517.8℃,无霜期262d,年平均降水量445mm,特殊的地理位置、适宜的土壤及气候条件,为纹党提供了绝佳的生长环境,尤以文县中寨所产纹党质量最好,     

基于人工神经网络的土壤含水量预报模型

土壤水分含量是影响作物生长的重要因素,精确预测技术对水资源的合理利用与管理具有重要的指导意义。土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。利用人工神经网络的方法对河南驻马店地区的土壤含水量进行预报,利用表层土壤含水量资料计算了一些与深层土壤含水量相关的预报因子,用以建立驻马店地区深层土壤含水量的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。结果表明,预报模型取得了令人满意的效果,应用神经网络的方法预报深层土壤含水量是可行的。     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

基于两种神经网络模型的胶合板期货价格短期预测

选取2013年12月06日～2014年09月17日的胶合板主力期货合约作为训练样本,2014年09月18日～2014年11月05日的胶合板主力期货合约作为测试数据,采用L-M优化算法和贝叶斯优化算法的BP神经网络模型对期货价格进行了预测分析.结果表明,采用两种优化算法的神经网络模型均具有较高的拟合度,对价格走势有良好的预测效果,可为期货市场投资者投资决策提供一定的参考.     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

基于径向基网络模型的森林生物量估测

以高黎贡山自然保护区常绿阔叶林为研究对象,选取2006年印度卫星(IRS)数据,包括4个波段数据,并提取6种植被指数,利用DEM提取海拔、坡度、坡向值共13个因子作为模型输入变量,样地生物量为输出变量,利用径向基GRNN模型建立森林生物量估测模型.以降低拟合及预报误差为训练目标,不断调整模型参数(Sp),当Sp为115时,模型最佳.     

基于马尔可夫模型的南京市年降水量预测试验

鉴于降水过程存在大量不确定性的特点,中长期降水预报一直是气象科学领域的一个难题。主要采用平滑处理消除异常值,对年降水量进行分级,建立滑动平均马尔可夫链预测模型。通过建立的预测模型,对南京市2009、2010年年降水量进行了试预测。结果表明,2009年预测值与实测值相对误差为2．17％,2010年预测值与实测值相对误差为3．09％,预测精度较高。同时,为弥补滑动平均马尔可夫链模型对极端年份无法预测准确的缺陷,利用灰色灾变系统,对南京市极端降水年份进行预测。两者结合能更好地完成南京市年降水量的预测工作。     

色板对葱蓟马诱捕量的BP神经网络模型预测

利用羧甲基纤维素钠和甘油为主要原料配制的水溶性胶黏着剂制作3种颜色粘板,在露天菜地的同一处地点进行田间蓟马诱捕测试。将测试结果作为BP神经网络模型的训练样本与预测样本进行建模分析,结果表明,黏合剂中诱虫物质的添加因素对葱蓟马田间诱捕量的影响权重最大,蓝色大型粘板诱捕蓟马效果最好,模型对预测样本的预测值与实际观测值基本吻合。     

灰色神经网络组合模型(GNN)在涝灾预测中的应甩

洪涝是对人类及社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡,涝灾预测已成为防灾减灾的重要内容.应用BP神经网络模型对灰色模型预测精度较低的问题进行了改进,该方法是将灰色模型的预测值作为神经网络的输入,以实际值作为输出而构成灰色神经网络组合模型(GNN).以辽阳地区50年的年降水量作为历史数据,建立GNN涝灾预测模型.预测结果表明:该方法与传统的灰色预测方法相比提高了预测精度,这种新的信息处理和预测方法是有效可行的.     

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。