共查询到20条相似文献,搜索用时 15 毫秒
1.
基于改进GM(1,1)模型的中国大豆价格预测 总被引:1,自引:0,他引:1
中国大豆产业是国家基础性产业之一,国内外大豆市场对大豆价格波动影响极大,对中国大豆波动情况加以研究具有重要的意义。在分析GM(1,1)模型有效性的基础上,讨论了其在农产品预测的可行性,从而采用改进GM(1,1)模型用1990-2014年中国大豆价格预测2015-2017年中国大豆价格分别为4.40,4.57和4.74元·kg-1,在本试验中改进GM(1,1)模型并没有对原始序列进行累加操作,说明原始序列具备准指数规律。检验结果表明后验差比值小于0.5和小误差概率大于0.8,说明采用灰色预测对此数据加以预测合格。2015年价格低于2015年东北三省和内蒙古大豆价格目标价格,说明中国大豆仍处于低迷状态,会导致中国大豆种植面积及农民种植意愿继续降低。据此给出对策与建议,一是继续提高大豆种植补贴和大豆目标价格;二是加大地方大豆产业的政策性扶持,尤其是非转基因大豆产业的扶持,保持国内大豆产业健康发展;三是提高大豆行业与豆农的组织化程度。 相似文献
2.
本文采用灰色系统GM(1,1)模型,利用海南岛1971——1979年民营橡胶产量资料,建立橡胶产量预报摸型。文中比较详细的介绍了灰色GM(1,1)模型的建模过程和具体步骤。实践表明,该模型简便、不受样本数量的限制,预报精度较高,是一种新的预测方法。 相似文献
3.
为准确预测2020-2022年中国大豆的进口量及进口额,分别采用ARIMA模型、GM(1,1)模型以及ARIMA-GM组合模型对2016-2019年大豆进口量及进口额数据进行拟合,以降低预测风险,并根据拟合结果选择最优预测模型进行预测。研究表明:大豆进口量及进口额均可采用ARIMA-GM组合模型进行预测,预测结果显示,2020-2022年中国大豆进口量将分别为8.76×107,8.94×107和9.33×107 t;大豆进口额将分别为357.59×108,375.73×108和398.44×108 USD。研究结论科学、可靠,可为中国大豆产业的经营和管理提供一定的科学依据。 相似文献
4.
5.
一、前言红茶在冲泡冷却后会出现“冷后浑”现象。“冷后浑”的出现虽然能表征红茶内含物丰富,品质优良,但对于利用红茶制造罐装茶水和冷溶速溶茶来说,却是需要加以避免的现象。通过各种转港方法在短时间内使茶水澄清,这是不难办到的事情。如何使红茶水的澄清度保持一定的货架期是个不易攻克的难题,而怎样预测红茶水在未来某一时间的浑浊度则是必需首先考虑的问题。在如何预测红茶水贮藏期问题上,邓凡等人曾作过尝试,他是采用黄福南提供的“半经验法”,根据贮藏过程中茶多酚和茶黄素的总和与时间呈线性关系,应用Arrhe-nius图得到… 相似文献
6.
本文介绍了灰色系统理论GM建模机理及方法,并以广西忻城县蔗区1991/92~1995/96榨季的甘蔗单产数据,建立了甘蔗单产GM(1,1)预测模型,统计结果表明,关联度r=0.7167>0.6,说明灰色系统理论的GM(1,1)模型应用于甘蔗单产的预测,模型精度高、方法简便、结果可信,与人工神经网络等其他方法相比更为准确可靠,不失为一理想的预测方法. 相似文献
7.
应用灰色系统理论,对我院1985 ̄1994年的橡胶产量建立GM(1,1)灰色预测模型。根据产量数据的增长特性,又可建立两个拟合值较好的趋势曲线预测模型。对获得的3个模型采用方差倒数赋权法进行加权组合,所得组合模型比3个单模型的拟合精度都高。 相似文献
8.
GM(1,N)模型在白砂糖色值预测中的应用 总被引:1,自引:0,他引:1
运用灰色系统理论,利用对白砂糖色值有显著影响的3个因素,对白砂糖的色值建立了GM(1,N)预测模型。计算结果表明,模型精度较高,能很好地预测白砂糖的色值。 相似文献
9.
基于改进GM(1,N)模型的我国大豆价格影响因素分析及预测研究 总被引:2,自引:0,他引:2
大豆是我国重要的粮食作物和油料作物,其价格对于国民经济尤其是农业经济的影响意义深远。大豆价格的稳定对于我国大豆市场的健康发展有着重要的现实意义。在灰色理论的基础上,提出了一种改进GM(1,N)大豆价格预测模型,首先运用灰色关联分析法对我国大豆价格的影响因素进行分析,选择主要的影响因素;再将这些影响因素作为模型的相关因素变量,构建GM(1,N)大豆价格预测模型。采用2010-2015年的大豆数据进行实证研究,模型选取国内大豆自给量、世界大豆产量、国民消费价格指数、消费者信心指数4个变量作为相关因素变量;模型预测误差为2.10%,预测精度较高,能够较好地掌握大豆价格的变化规律,可以为大豆价格市场预测及国家宏观政策的制定提供理论指导。 相似文献
10.
11.
12.
基于自适应增强的BP模型的浙江省茶叶产量预测 总被引:1,自引:0,他引:1
本文采用1999—2018年浙江省59个县市的茶叶产量数据和地面气象要素驱动数据,提出了基于产量等级因子的自适应增强的反向传播(BP)神经网络模型的茶叶产量预测机制。首先分析提取了种植面积、年平均气温、3—7月的平均相对湿度、年平均相对湿度等11个影响因子,然后构建浙江省茶叶产量预测模型。试验结果表明,基于产量等级因子的自适应增强的BP模型算法相关系数达到0.893,相对误差的平均值和方差分别为0.187和0.136。在试验数据选取方面,相较于距离预测年份较远的数据,采用临近预测年份的数据,预测精度较高。根据本研究的茶叶产量预测机制,建立了浙江省茶叶产量预测误差空间分布图,其中1级优势区的平均误差为18.32%,2级次优势区为16.73%,3级一般产区为22.69%。预测模型能够实现浙江省各县市的茶叶产量预测,对茶叶生产的宏观管理具有一定指导意义。 相似文献
13.
14.
15.
16.
17.
18.
19.