基于相对热效应的大棚蟠桃发育期预测模型研究

为了研究温度对蟠桃发育期的影响,以相对热效应为预测指标,建立了蟠桃发育期预测模型,并采用独立的试验资料对模型进行检验。结果表明,温室蟠桃花芽膨大期到开花期、开花期到展叶期、展叶期到硬核期、硬核期到成熟期4个阶段所需的相对热效应分别为14.11、10.54、18.37、12.52,其相对热效应模型法回归估计标准误（RMSE）分别为1.13、2.04、4.36、5.51 d,且预测精度明显高于有效积温模型法（RMSE分别为3.36、5.37、11.79、15.28 d）。     

棉花株高动态模拟与预测方法初探

[研究目的]为棉花高产栽培提供科学、实用的株高动态模拟模型、诊断指标和预测方法.[方法]分别采用传统的日期-株高法和创新的叶龄-株高法、叶龄-相对株高法对两年6点棉花超高产试验中的株高资料进行统计分析.[结果]与传统方法相比,叶龄-相对株高法模拟精度高,适用范围广;用此法所制定的株高诊断指标,有广泛的适用性和灵活性;根据该方法提出的株高预测方法,简便、实用、可靠.[结论]叶龄-相对株高法不仅适用于对棉花株高的模拟、预测和诊断指标的制定,也可在其它作物上试用.     

灰色线性组合模型在涝灾预测中的应用

灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960～2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法.     

数字

我国今年GDP增速或达9。9％据中国社会科学院目前发布的《中国经济形势分析与预测》，预测全年GDP增速同比将增9．9％，并且在保持政策力度相对稳定的条件下，     

基于理化指标快速预测奶牛粪便肥料成分含量

探讨基于相对密度、电导率和pH快速预测奶牛粪便肥料成分含量的可行性,在京郊奶牛场采集代表性样本89份,用实验室常规化学分析方法确定其中氮、磷、钾和铵态氮的含量,使用密度计、电导仪和pH计测定其相对密度、电导率和pH。根据奶牛粪便理化指标与粪便中氮、磷、钾和铵态氮含量的相关关系建立了基于理化指标快速预测奶牛粪便氮、磷、钾和铵态氮含量的回归方程,分析结果表明:总氮含量可依据电导率和pH进行预测(R2=0.645,P<0.001,精度12.0%),或依据电导率、相对密度和pH进行预测(R2=0.675,P<0.001,精度11.7%);总钾含量可依据电导率进行预测(R2=0.687,P<0.001,精度30.2%);铵态氮含量可依据电导率和pH进行预测(R2=0.717,P<0.001,精度19.6%)。     

绿洲-沙漠交错带沙漠扩散预测模型——以新疆民丰县为例

近年来,沙漠化问题日益受到关注,虽然各学科有关沙漠化的研究很多,也取得了显著的成果,但是在微分方程领域中有关沙漠化的研究却相对很少,在国内几乎空白.通过讨论绿洲-沙漠交错带中沙漠与绿洲之间的相互作用关系,参考传染病模型,根据数学物理原理建立了沙漠扩散预测模型,最后以民丰县为例验证了模型的正确性.利用龙格-库塔方法对数学模型进行了数值模拟,并与遥感图像处理技术相结合对民丰县绿洲进行了沙漠动态变化分析与预测,得到了较理想的结果,预测得到的结果与实际数据之间的偏差合理.提出的数学模型简单且实用,在预测和治理沙漠扩散工作中具有较大意义.     

基于灰色模型的电量预测方法在管理信息系统中的应用

提出了基于“灰色系统理论”的县级农电企业管理信息系统的电量预测的真实模型，通过用辽宁省台安县地区的原始用电量在管理信息系统中用“决策支持”进行预测，得出的结果与真实数据相比，误差相对较小。     

新疆奇台县粮食生产影响因素与模拟预测研究

[目的]分析奇台县粮食生产的影响因素,并对其产量进行预测.[方法]在分析奇台县58年粮食生产动态变化特点的基础上,利用主成分分析法(PCA)探讨了粮食生产的影响因素.[结果]农业科技进步和经济发展、制度政策是影响奇台县粮食生产的两个主要因子;分别建立GM(1,1)模型、ARIMA(1,3,3)模型以及两者的组合模型,拟合了奇台县粮食总产量的动态变化趋势.结果发现组合模型平均相对误差率仅为7;,说明组合模型的模拟精度较高,从而得出2010～2015年奇台县粮食总产预测值.[结论]GM(1,1)模型和ARIMA(1,3,3)模型两者组合的模型预测精度高于单个模型的预测精度.2015年该县粮食产量将达到52.1×104 t.     

模型误差几种估计方法的比较及应用

本文对林业实践中模型预测误差、预测相对误差的估计方法进行了讨论和比较,从非参数性方法导出了预测误差、预测相对误差的简捷估计方法,这些方法具有明确的统计意义,可用来检验模型的适用性,评价模型优劣.文中给出了估测森林蓄积量不同模型评价的实例.     

相对树高曲线研究

研究了杉木人工林相对树高曲线基本模型及参数扩展模型,提高了相对树高曲线模型估测精度,初步探讨了树高曲线与林分特征因子间的关系以及标准树高曲线设想的局限性。     

预测模型精度指标的探讨

本文对林业实践中常用的检验预测模型精度的指标进行了讨论,并从Freese提出的假设检验结构的方法中导出一个有明确统计意义的相对临界误差的指标。该指标可以检验模型是否满足精度要求,也可以作为比较两个模型优劣的一个指标。文中给出了木材生产中预测劳动生产率和成本的数量化模型精度检验的例子。     

利用相对误差最小二乘法估计材积方程参数

提出了利用相对误差最小二乘法估计材积方程参数的方法,讨论了该方法与加权最小二乘法估计材积方程参数的某些一致性。该方法在一定程度上克服了材积方程模型的异方差性,使建立的材积方程较大地降低了平均相对预测误差,提高了精度     

基于BP神经网络与SVM模型的黄尾河径流预测比较分析

比较分析BP神经网络与SVM模型在径流预测应用中的性能特征。以降雨量为预报因子,采用BP人工神经网络模型和SVM模型对大别山黄尾河流域40 a时长的同期径流过程进行数值模拟,并对二者的预测性能进行比较与评价。结果表明,黄尾河流域BP模型模拟的总体相对误差为14.43%,合格率为77.5%,确定性系数为0.76,预报精度等级为乙级;SVM模拟的总体相对误差为12.41%,合格率、确定性系数及预报精度等级与BP模型相同。SVM模型模拟结果较BP模型而言更集中于较小的误差范围内。BP模型的累积误差>SVM模型,并且随着误差自由度的增大,这种差距有扩大的趋势,表明SVM模型的误差范围较小,误差间隔小于BP模型,模拟性能较BP模型更稳定。     

Simple model based on artificial neural network for early prediction and simulation winter rapeseed yield

The aim of the research was to create a prediction model for winter rapeseed yield.The constructed model enabled to perform simulation on 30 June,in the current year,immediately before harvesting.An artificial neural network with multilayer perceptron(MLP) topology was used to build the predictive model.The model was created on the basis of meteorological data(air temperature and atmospheric precipitation) and mineral fertilization data.The data were collected in the period 2008–2017 from 291 productive fields located in Poland,in the southern part of the Opole region.The assessment of the forecast quality created on the basis of the neural model has been verified by defining forecast errors using relative approximation error(RAE),root mean square error(RMS),mean absolute error(MAE),and mean absolute percentage error(MAPE) metrics.An important feature of the created predictive model is the ability to forecast the current agrotechnical year based on current weather and fertilizing data.The lowest value of the MAPE error was obtained for a neural network model based on the MLP network of 21:21-13-6-1:1 structure,which was 9.43%.The performed sensitivity analysis of the network examined the factors that have the greatest impact on the yield of winter rape.The highest rank 1 was obtained by an independent variable with the average air temperature from 1 January to 15 April of 2017(designation by the T1-4_CY model).     

基于气象参数的内陆干旱区作物生育期ET0预测

为实现大田作物灌溉的精细化管理,研究了基于气象因素的生育期ET₀预测模型。采用灰色理论对ET₀与日均、日最高、最低温度,日均风速,相对湿度以及日照时数进行灰色关联度分析,结果表明ET₀与温度（包括日均、最高、最低温度）及相对湿度的灰色关联度较高。在分析ET₀与上述气象因素间的相关系数基础上,采用日均温度、日均风速以及日照时数作为模型的输入,ET₀作为输出,建立了BP神经网络（BPNN）预测模型;采用日均温度、日均风速、日照时数及灰色关联度作为输入,建立了模糊最小二乘支持向量机（FLSSVM）预测模型。研究结果表明,BPNN模型的训练值决定系数为0.8643,平均相对误差6.29%,预测值决定系数为0.8099,平均相对误差7.83%;FLSSVM模型的训练值决定系数为0.9684,平均相对误差2.89%;预测值决定系数为0.9663,平均相对误差3.43%。BP神经网络与FLSSVM模型的精度均较高,可以用来预测ET₀日值,这为大田作物的精细化灌溉管理提供理论与技术支持。     

基于时序残差辨识的终霜日灰预测模型研究

终霜冻出现的早晚是影响宿州市春播作物和越冬作物生长发育的重要因素。根据季节事件灰预测机理和时序变量灰化处理思想建立时序残差GM(1,1)修正模型,模型精度有所提高,对终霜期的长期预测具有一定的参考价值。     

基于灰色残差修正模型的食品安全监测预警分析方法研究

食品安全监测预警分析是我国食品安全风险监测计划的重要组成部分。以食品安全监测数据为研究对象,采用灰色系统及马尔可夫过程理论,建立二阶残差修正GM(1,1)模型,实现对食品安全监测的预警分析。以《中国统计年鉴》1995-2006年白酒产品国家监督抽查数据构建灰色残差修正模型,对2007年数据进行预测,预测值为82.74%,与实际值82.04%相当接近。研究表明,该分析方法应用于食品安全预警,可有效对食品安全态势进行预测,为食品安全快速预警提供依据。     

落叶松人工林直径分布动态预估模型1）

基于小兴安岭地区和长白山地区102块落叶松人工纯林固定标准地复测数据（10 a间隔期）,采用参数预测模型（PPM）系统,建立了前期Weibull分布参数（b1）与前期林分调查因子模型、前期参数c1与b1之间的回归模型、两期参数b2与b1的回归模型、以及两期参数c2与b2之间的回归模型,并采用似乎不相关回归（ SUR）理论,估计了模型的参数;利用“刀切法”选择平均相对误差（ ME ）、平均相对误差绝对值（ MAE ）、预测精度（ P）、相对误差（ B）、误差指数（ IE ）等指标,分别对所建立的参数动态预测方程及直径分布动态预测结果进行了检验。结果表明：所有模型的R2a较好（0．428～0．897）,RMSE均较小（0．37～0．94）,所建立的直径分布动态预测模型具有较好的拟合效果。通过检验,所建立的参数动态模型预估能力较好（－10％＜ME＜－2％,P＞95％）,并能较好地预测落叶松人工林未来直径分布（B0＝4．38％,B1＝12．38％,IE＝524）。     

用灰色理论预测青海湖裸鲤的年产量

应用灰色理论与方法,以1991~1998年青海湖裸鲤Gymnocypris przewalskii przewalskii的年产量统计数据为基础,建立了灰色系统理论GM(1,1)预测模型,用该模型对1999年青海湖裸鲤的年产量进行了预测。结果表明:青海湖裸鲤年产量的时间响应函数模型为x^(0)(k 1)=4974.9670996e-0.232119k,多年平均相对误差为10.33%,后验差比值C=0.248352,小误差频率P=1,模型的预测精度达到一级;1999年青海湖裸鲤年产量的预测值为776.8 t,与实际产量(807 t)的相对误差为3.73%,模型的预测效果比较理想。