模糊加权马尔可夫链模型及其应用

在传统的用马尔可夫链模型预测的方法基础上,建立了模糊加权马尔可夫链模型。以某地区梅雨期长度的预测作为实例,介绍了使用这种模型的方法与步骤,提出了具有模糊状态的马尔可夫链的转移概率计算公式,并采取以规范化的各阶自相关系数为权重,用加权的马尔可夫模型预测的结果与实际梅雨期长度相吻合。     

利用多重马尔可夫链提高林业预测精度

本文对多重马尔可夫链的应用进行了讨论。利用马尔可夫链和多重马尔可夫链对陕西省五倍子的年产量进行了预测,分析了它们的预测精度。预测结果的分析表明多重马尔可夫链明显地提高了预测精度。     

基于有序聚类的模糊加权马尔可夫模型在降雨预测中的应用

基于降水过程中存在大量不确定性和不精确性的特点,在传统的马尔可夫链模型预测方法的基础上,利用有序聚类的最优分割算法和模糊理论,采取以规范化的各阶自相关系数为权重,建立了基于有序聚类的模糊加权马尔可夫预测模型,并对宜昌1999~2007年的夏季降雨量进行了预测,结果表明,基于有序聚类的模糊加权马尔可夫预测模型用于降雨量的预测效果较好。     

模糊权马尔可夫链在原州区降雨量预测中的应用

依据1971—1997年宁夏固原市原州区的降雨量资料,采用均值-标准差分级法,对其进行状态分级,分为丰水年、偏丰年、平水年、偏枯年和枯水年5个状态,根据马尔可夫链预测方法,验证该降雨序列满足马氏性,并以规范化的各阶自相关系数为权,结合模糊集理论,建立适用于原州区降雨量的模糊权马尔可夫链预测模型.利用灰色系统理论进行降雨量极值年份预测,弥补了模糊权马尔可夫链预测模型对极值预测不准的缺点.结果表明,采用这种方法预测的结果与实际情况相互吻合.     

加权马尔可夫模型在土地利用变化预测中的应用

在传统的马尔可夫链模型的基础上,建立了加权马尔可夫链模型。依据遥感影像,计算出太仓市1995年至2001年,2001年至2005年各类土地利用面积的马尔可夫链的转移概率,以不同步长外推的预测值与现状值(2008年)之间的相关系数为权重,用加权的马尔可夫模型对预测的结果进行修正,其修正后的结果更加接近实际。     

加权马尔可夫链在预测居民消费价格指数中的应用

主要是应用加权马尔可夫链的预测方法对居民消费价格指数进行预测,以1989~2006年全国居民消费价格指数资料为例,分6个步骤进行马尔可夫链预测,以说明加权马尔可夫链方法的具体应用。     

基于灰色马尔可夫链模型的水质预测

GM(1,1)模型由于其原始数据的起伏性和无序性,预测结果不是很理想.针对这一情况,采用马尔可夫链模型对GM(1,1)模型结果进行优化,并应用该模型对太子河干流化学需氧量进行预测.结果表明,应用灰色马尔可夫链模型进行预测,化学需氧量成逐年下降的趋势,2012年实际化学需氧量为11.4 mg/L,结果在(9.97,12.59)的预测区间,说明应用灰色马尔可夫链对水质进行预测是可行的.     

马尔可夫链及其在林业预测中的应用

马尔可夫链是一种随机模型。它可以用来预测、分析具有多种状态的随机系统。本文介绍了马尔可夫链的基本概念和方法,并就在林业预测中的两个问题——林木病害预测和森林资源变化预测进行了讨论和分析。     

灰色理论预测方法在地理学中的应用研究

介绍了灰色预测理论,针对地理学问题引入马尔可夫链修正GM（1,1）预测模型,并依据气象数据的特性对该模型进行改进,形成适应于气象数据预测的改进的等维无偏递补GM（1,1）马尔可夫预测模型。最后,以哈尔滨市气温和风力数据进行了模型预测验证。结果表明：利用改进的模型进行气象预测,效果令人满意。     

加权马尔可夫链理论在肉类产量预测中的应用

为准确反映肉类产量的波动特征,基于加权马尔可夫链理论提出了灰色残差修正模型,采用均值-均方差分级法,将残差灰拟合精度指标划分为4个状态,利用加权马尔可夫链理论对残差预测值进行修正.以1994-2011年郑州市肉类产量为基础,建立预测模型进行实证分析,并在模型中加入等维信息,结果表明,与传统的灰色预测相比,预测平均相对误差由21.88％降低为1.312％,较好地提高了预测精度.     

基于PCA-ARIMA模型的高血压发病率预测

目的高血压发病率是政府和相关医学工作者预防和监测高血压的重要依据之一。方法利用主成分分析(principal component analysis,PCA)对因子进行线性筛选,获得保留因子后利用ARIMA进行建模预测,即为PCA-ARIMA多维时间序列组合预测模型。结果高血压发病率的拟合与独立预测结果表明,PCA-ARIMA优于PCA-MLR、ARIMA等参比模型。结论本文提出的基于主成分分析和ARIMA模型(PCA-ARIMA模型)的建模有助于提高模型的预测精度。     

基于红外热成像的育成期蛋鸡体温检测方法

针对育成期蛋鸡在散养状态下受环境影响大,易生病,体温检测困难的问题,采用红外热成像技术和多元回归分析的方法,对鸡体体表温度和翼下温度之间的关系进行研究,建立温度预测模型.环境温湿度会影响鸡体体表温度的测量,为使红外热像仪采集的体表温度能够准确的反应出鸡体真实温度,试验对鸡体翼下温度和体表温度进行同步测量,并采集饲养环境...     

洛阳高山种植区牡丹花期预测模型构建与检验

针对洛阳牡丹花期与牡丹花会开幕时间不相吻合这一现象,通过研究洛阳高山种植区1992-2010年迎日红、洛阳红和首案红牡丹花期资料与气象资料,采用SPSS软件分析大气温度、地温、有效积温等与牡丹花期之间的内在关系,构建洛阳高山种植区牡丹花期预测模型。结果表明:15cm土层厚度处地温稳定通过4℃的平均温度和积温与牡丹花期有极显著的相关性。采用晚花品种构建模型预测误差范围在-2.375 2～2.456 5d,误差较小,效果较好。     

基于机器学习的落叶松毛虫发生面积预测模型

落叶松毛虫为我国主要害虫之一,其发生严重影响了我国林木生长和森林资源的安全。因此,及时准确地对落叶松毛虫虫害发生趋势进行预测、预报十分必要。虫害的发生受到多种因素的影响,存在复杂的非线性关系,传统的预测方法大多为基于线性的预测,导致其预测效果不够理想。本研究选取当年3月中旬的总蒸发量、上年7月上旬的平均最低气温、当年3月下旬的极端最低气温以及上年11月上旬的平均风速作为自变量,虫害发生面积作为因变量,利用多层前馈神经网络(MLFN)、广义回归神经网络(GRNN)以及支持向量机(SVM)3种机器学习算法对落叶松毛虫发生面积进行预测,并将3种方法的预测结果与传统多元线性回归预测方法相比较。结果表明,机器学习的预测效果均在很大程度上优于多元线性回归预测,并且在3种机器学习算法中,SVM模型的预测效果最好,在30%容忍度下其预测精度可以达到100%,并且该模型还有较低的RMSE值(0.077)和较短的训练时间(1 s)。这表明,机器学习可以应用于生产实际并有效预测虫害发生面积,尤其是SVM模型可以作为一种很好的虫害发生预测手段。      

基于近红外光谱技术的茶园土壤酸碱状况快速判别

为了实现对茶园土壤酸碱状况量化判别,以7个省份茶园313份土壤为材料,以酸碱度(pH表示)值在4.5~5.5的范围为最适宜茶树生长区间,将pH值划分为4.5,4.5~5.5和5.5 3个范围,提出了将近红外光谱信息与贝叶斯(Bayes)判别相结合进行定性判别酸碱状况是否适合茶树正常生长。在此基础上,采用多元线性回归(multiple linear regression,MLR)定量预测pH值。通过一阶导数(first derivative,1stDer)对光谱预处理,通过逐步判别分析(stepwise discriminant analysis)优选20条特征光谱,基于特征光谱数据结合Bayes判别构建定性判别模型,再通过MLR构建pH值的定量预测模型。结果表明,采用本研究的方法和构建的模型对茶园土壤酸碱状况总体准确判别率达83.54%,pH值预测相关系数均在0.9286以上,预测精度较高。证明运用该方法能实现对茶园土壤酸碱状况快速预测。     

长三角地区碳排放量分析及预测

在“双碳”背景下,控制碳排放量对可持续发展具有重要意义。为精确测量经济发展中,各影响因素对碳排放量的影响,以长三角地区为例,将灰色回归组合模型应用于碳排放量的预测,选取了第一产业生产总值、第二产业生产总值、第三产业生产总值和能源消耗量4个主要影响因素构建影响因素指标体系,分析各影响因素与碳排放量之间的灰色关联关系,通过对2005—2021年长三角地区碳排放量进行建模,建立各影响因素为自变量的回归预测模型,对2023—2025年长三角地区碳排放量进行了预测。实证结果表明：未来三年长三角地区碳排放量仍具有明显的上升趋势,增速在4%～10%左右,持续的高碳排放量对可持续发展产生深远影响。基于关联分析和预测模型结果,提出通过加快产业转型、提高清洁能源的使用等方式减少碳排放量,促进长三角地区绿色低碳发展。     

基于高光谱的土壤含水率预测模型

为定量分析土壤含水率与反射光谱特征之间关系,以便为土壤含水率速测提供理论依据。以安徽省阜阳市临泉县为研究区,以区域典型土壤类型—砂姜黑土为研究对象,将土壤样本分别过10和20目的尼龙筛,并设置土壤含水率梯度实验。采用9点移动平滑法结合一阶微分、反射率对数及其一阶微分三种数学变换方法对光谱曲线进行预处理,分析不同目数、不同含水率下的光谱特性差异;拟合分析变换后的样本光谱数据与含水率相关性,提取特征波段,建立土壤含水率多元线性回归预测模型。结果表明：对4种不同土地利用类型的砂姜黑土样本的反射率数据进行对数一阶微分变换后,土壤含水率和光谱数据的相关性明显提升,根据数学变换后提取的特征波段建立的多元线性回归预测模型的预测精度最好;光谱反射率与水分含量呈负相关关系;土壤光谱法反演水分含量时,基于过10目筛的土壤样本建立的预测模型拟合精度要优于过20目筛的土壤样本,R²最高为0.928。研究结果可以为精准农业管理提供极为关键的参数支撑。     

具有多重检验机制的农业机械总动力结构分析预测模型

农业机械总动力结构是农业机械项目发展水平高低的具体体现,合理配置农业机械总动力,可有序地推动农业机械化的发展.从动力源和农业机械项目两方面划分农业机械总动力结构的基础上,依据经济计量学理论,以丘陵地区为背景,构造了农业机械总动力及其结构配置影响关系,建立了具有多重检验反馈机制的动力结构综合分析预测数学模型,并在实际中加以应用,可得到满意结果.     

作物需水量预报的优化模型

作物需水量预报是灌区土壤墒情预报和灌溉预报的基础。通过对关中泾惠、洛惠和交口抽渭灌区气象资料的分析,用彭曼法计算了历史潜在蒸散量ET_0,利用因子分析法建立了灌区作物需水量随气温、天气而变化的ET_0预报模型,对建立的每月六种模型作进一步的相关分析、符合性、显著性检验,进而由综合评判优选出了适合于灌区ET_0预报的数学模型,开发了作物需水量预报模型建立与优化的通用计算机软件。     

云冷杉天然林林分年龄预测——以金沟岭林场为例

应用BP神经网络模型、PPR神经网络模型以及多元逐步回归模型,依据林分因子预测了金沟岭林场云冷杉天然林林分年龄。对比分析了人工神经网络计算模型算法与多元逐步回归分析模型预测结果的精度以及稳定性。结果表明:3种模型均可用于天然林林分年龄的预测,BP神经网络模型的预测平均相对误差为0.04,模型稳定性差;PPR神经网络模型的预测相对误差为0.06,模型稳定性好;多元逐步回归模型的预测相对误差为0.08,模型稳定性好。