水稻各生育期需水量预测的综合模型

根据灰色系统理论的灰色模型 (Grey Model)与时间序列方法 ARMA模型 ,提出了水稻各生育期平均日需水量预测的时间序列综合模型。根据提出的模型 ,利用沈阳农业大学 1 5年的水稻需水量试验资料 ,分别建立了沈阳地区水稻各生育期平均日需水量向前 l步的预测模型 ,并提出了水稻全生育期需水量的向前 l步的预测模型 ,这是水稻需水量预测的最新理论与方法。该方法建模简单 ,所需资料较少 ,并具有较高的精度     

灰色预测在作物需水量推算中的应用

该文运用灰色预测方法进行作物需水量预报。除以１９８０－１９９１年实测数据序列进行整体建模外，还以降雨频率为基础分为正常年及灾年（丰，枯）年型的子序列建立全生育期Ｇ（１，１）模型。同时按水稻不同生育期需水量本身及同相应的积温建立Ｇ（１，１）与Ｇ（１，２）预测模型。经水稻需水量观测数据建模预测，其结果效果好，精度高，得于在灌溉水量预报，制定用水计划，水源调度中广泛应用。     

灰色预测在作物需水量推算中的应用

该文运用灰色预测方法进行作物需水量预报.除以1980～1991年实测数据序列进行整体建模外,还以降雨频率为基础分为正常年及灾变(丰、枯)年型的子序列建立全生育期G(1,1)模型.同时按水稻不同生育期需水量本身及同相应的积温建立G(1,1)与G(1,2)预测模型.经水稻需水量观测数据建模预测,其结果效果好,精度高,利于在灌溉水量预报,制定用水计划、水源调度中广泛应用.     

应用灰色新陈代谢GM(1,1)模型预

研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。针对常规GM(1,1)模型存在的不足，建立了灰色新陈代谢GM(1,1)需水量预测模型。并利用此模型对北方某缺水城市未来10年的需水量进行了预测。结果表明：模型精度较高，预测误差较小。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。     

城市需水量的混沌预测

混沌预测与传统的时间序列预测方法有较大的不同,它较传统确定性和随机性预测方法更多地利用了时间序列中包含的丰富信息,因此能够得到更精确的结果。城市需水量受众多因素的影响,各影响因素与需水量之间存在着高度的复杂性和非线性,利用混沌理论重构相空间方法,将需水量时间序列扩展到三维或更高维的相空间中去,充分表现需水量时间序列的信息。通过对某城市月需水量的分析,计算出相应的Lyapunov指数;由于Lyapunov指数大于零,定量地说明了月需水量序列具有混沌性,并估计了可预测的时间尺度,同时根据最大Lyapunov指数,建立了预测模型,其预测结果的相对误差较小,精度较高。因此基于混沌理论的城市需水量的预测分析是一种有意义的尝试。     

关于辽阳市水面蒸发量灰色预测模型的研究

目前,水面蒸发量预测方法主要有两种:一是时间序列分析法,二是气候学模型法。本文采用灰色理论对辽阳市水面蒸发量进行建模,利用Visual Basic开发水面蒸发量灰色预测模型软件,并根据辽宁省辽阳站1993～2005年的年蒸发量,建立灰色预测模型,并对2006～2010年的辽阳市蒸发量进行了预测与预报。     

基于灰色神经网络与模糊控制的寒地水稻灌溉制度

【目的】精确判断寒地水稻的灌溉水量并建立适当的灌溉管理方式,保证作物正常生长需求,起到节水效果。【方法】根据寒地水稻特殊的生长环境和作物各生育期需水量,设计了基于灰色神经网络与模糊控制的寒地水稻灌溉制度,该智能灌溉制度通过建立微型气象站监测、传输稻田环境数据,并通过灰色神经网络预测理论预测出作物灌溉需水量和灌溉制度影响因子;以预测作物灌水量和作物最佳灌水量的差值及差值变化率作为模糊控制器的输入,灌溉时间长度为输出,驱动电磁阀,达到适时适量灌溉的目的。【结果】MATLAB仿真结果表明,该灌溉控制方式比传统控制方式响应速度快、超调量小、控制效果好。在东北农业大学水稻试验田的试验结果表明该灌溉控制制度的节水率为11.59%,水稻产量和结实率也有所提高;在黑龙江省建三江农场的田间试验表明该灌溉制度的节水率高达13.54%。【结论】该灌溉制度与传统控制方式相比具有很好的节水效果,能对作物各生育期灌溉需水量进行综合判断和管理,对提高水资源利用率、降低农业生产成本、实现精细农业有重要意义。     

区间灰数模型在工业需水预测中的应用

工业需水预测对于有效的水资源管理有重要的作用。依据区间灰数的灰色预测模型,采用区间灰数标准化,将常年工业需水统计数据分解成基于实数形式的"白部"和"灰部"建立预测计算模型,完成山东省工业需水量序列数据的预测。预测效果验证了区间灰数的灰色预测模型的有效性及实用性,为工业需水量数据预测提供了一种计算方法,有助于水利管理部门更有效地进行水资源管理。     

农村用电量的灰色预测

本文应用灰色系统理论，以我国历年农村用电量为依据，经过累加生成时间序列，用微分方法建立色动态模型，并用政策经验模型校正，进一步提高了预测精度，从而建立了我国农村年用电量的预测模型。     

组合预测法对粮食产量的预测研究

为了对粮食产量进行准确预测,使用组合模型对粮食产量进行预测研究。通过对数据的分析确定了构成组合模型的三个单项模型：灰色预测GM(1,1)模型、多元回归预测模型、时间序列预测模型,并明确了确定组合预测模型权重的方法。使用4种预测模型对2015—2020年的粮食产量进行预测,结果显示组合预测模型的平均相对误差最小。因此,通过对预测模型的检验证实了模型的可行性和准确性,确定了组合模型可以充分地利用各种预测方法所提供的信息提高预测精度,使得预测结果更加准确有效。     

基于冠气温差的淮北地区水稻日需水量估算模型研究

【目的】构建水稻日需水量估算模型,为灌区动态用水管理提供科学指导。【方法】以淮北淮涟灌区水稻为研究对象,通过称质量法获取水稻日需水量,同步采集水稻冠层温度和相关气象要素,分析各要素与实测水稻日需水量关系,构建了以太阳净辐射和冠气温差为参数的水稻日需水量估算模型,并利用叶面积指数对其进行修正。【结果】太阳净辐射量和冠气温差是反映水稻日需水量的关键因子,水稻日需水量与太阳净辐射呈正线性相关,与冠气温差呈负线性相关,冠气温差随着生育期延续有增大的趋势。通过叶面积指数修正的模型相对误差为5.07%,均方根误差为0.183 mm/d。【结论】利用冠气温差估算水稻日需水量,方法较为简单,精度满足灌溉管理要求。     

沈阳地区作物需水量的预测研究

采用水量平衡法实测和模型模拟对两种作物的需水状况进行了对比研究，并对预测作物需水量的模型在本地区的有效性进行检验；目前，沈阳地区作物需水量的研究尚少，本研究对沈阳地区作物需水情况的进一步研究提供基础资料。结果表明，作物需水量的预测和实测值非常接近，相对误差和绝对误差很小，另外，对多气象因素和土壤蒸发的关系进行了拟合。得到拟用模型对沈阳地区大豆和玉米作物的需水量预测精度很高，在缺失土壤蒸发资料时，可用气象数据对其预测。     

地下水位动态变化预测中的MGM(1,n)模型

当观测资料的数据最少而又存在多个相互影响或关联的变量时，常用的灰色预测模型GM(1，1)不能全面考虑多个变最。为此，采用自适应MGM(1，n)模型一多变量灰色预测模型，较好地解决了这一问题。针对一些农区井灌水稻规模扩大而引起地下水资源紧缺的情况，以某井灌水稻地区地下水动态观测资料为研究对象，运用灰色理论建立MGM(1，1)模型，描述其地下水动态变化趋势，获得了较好的预测效果。     

井灌水稻需水量预测的人工神经网络模型研究

应用人工神经网络技术（BP－ANN），考虑各个气象因子（气温、日照、饱和差、风速等）的影响，同时处理水稻需水量及其影响因子时间序列，通过多维数据相关分析，确定网络拓扑结构，建立了水稻需水量的人工神经网络模型，解决了需水量序列内部及其外部诸多影响因素之间的不确定关系，预测精度较高，为制定合理的节水灌溉制度提供依据。     

基于混沌时间序列局域模型对农机总动力的预测

农业机械总动力是评价一个国家农业现代化程度的重要指标.本文采用混沌时间序列的一阶局域模型对新疆农业机械总动力进行了预测.误差分析表明,该一阶局域预测模型拟合值的平均绝对误差为0.64％,低于灰色理论GM(1,1)模型的0.90％,得到了较好的预测效果.     

郑州市作物需水量影响因素主成分回归分析

采用郑州市近40年气象资料,分析研究了郑州市主要作物需水量以及各作物生育期内气象因子(降雨、平均风速、平均气温、平均相对湿度、日照时数、日最高气温、平均气压、平均水气压)变化趋势,用主成分回归分析法确定影响各作物的主要气象因子,并探讨了主要气象因子与相应作物需水量的关系。结果表明:玉米、水稻、棉花的作物需水量有减少趋势,小麦、花生、油菜作物需水量有增加趋势;通过主成分回归分析,得出影响水稻、玉米、棉花、花生作物需水量的主要气象因子是日照时间,影响小麦、油菜作物需水量的主要气象因子是平均相对湿度;经计算得到日照时间每减少1%,水稻、玉米、棉花和花生作物需水量分别减少2.45、2.25、2.55和1.71mm;平均相对湿度每减少1%,小麦和油菜的作物需水量分别增加1.81和1.42mm。     

水稻需水量的预报

需水量予报是灌水予报的依据,它对于灌区的用水管理起着重要作用.现根据湖北省漳河灌区灌溉试验站1964～1979年的实测资料,对于水稻需水量的予报方法进行分析研究.根据扩散原理,武汉水利电力学院茆智同志曾提出计算水稻日平均需水量公式:     

灰色—周期外延组合模型在参考作物腾发量预测中的应用

参考作物腾发量ET0是计算作物需水量、制定灌溉制度和进行水资源优化配置的重要参数之一。因参考作物腾发量随季节性变化,并呈现以年为周期波动的特点;在这种情况下,提出了一种基于灰色GM（1,1）与周期外延相结合的预测模型,即灰色-周期外延组合模型。以沈阳、鞍山、铁岭、盘锦4个地区1997—2006年参考作物腾发量季节值为例进行分析和模拟。结果表明：运用灰色-周期外延组合模型预测参考作物腾发量比原有的GM（1,1）模型预测精度高。该模型预测过程简单,预测结果可靠,适应性强。因此,该模型可广泛的应用于参考作物腾发量的季节预测。     

基于灰色BP神经网络的农业机械总动力预测

为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。     

基于CROPWAT模型的昆明市水稻需水量及灌溉用水量研究

利用昆明市日气象数据、水稻生育期数据和土壤数据,通过CROPWAT模型模拟研究1980—2012年水稻生育期内需水量和灌溉用水量年际变化特征及气象要素对其的影响。结果表明,1980—1999年,水稻需水量和灌溉用水量呈微弱下降趋势(p=0.08,p=0.8);1999―2012年,水稻需水量和灌溉用水量呈上升趋势(p0.01);近33a平均水稻需水量和灌溉用水量分别为603.6mm和638.8mm。作物需水量与温度、风速和日照时数正相关,与相对湿度负相关;灌溉用水量与降水量负相关,与日照时数正相关。气温、风速、湿度和日照时数的组合可以预测年尺度上作物需水量的变化趋势;降水和日照时数的组合可以预测年尺度上灌溉用水量的变化趋势。