基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测，森林蓄积量预测，各龄组蓄积量预测三层前馈反应传播神经网络模型对森林资源进行预测模拟，预测结果表明：在小样本条件下，森林资源预测神经网络模型预测精度较高，开辟了森林资源新途径。     

金鲳鱼贮藏品质BPNN和RBFNN预测模型的构建与评价

针对金鲳鱼(Trachinotus ovatus)贮藏过程中品质变化难以预测的问题，测定金鲳鱼片在0、3、6、9、12℃贮藏条件下挥发性盐基氮质量分数(w(TVB-N))、菌落总数、K值和感官评价值，构建径向基函数神经网络(Radial basis function neural network, RBFNN)和反向传播神经网络(Back propagation neural network, BPNN)预测模型以预测品质，并对模型的预测结果进行残差分析和相对误差分析以评价预测准确度。结果表明：1)BPNN模型和RBFNN模型的残差都是随机且不规则的，说明2种模型都适用于预测金鲳鱼片的新鲜度，但RBFNN模型残差绝对值更小；2)对于4℃贮藏条件下金鲳鱼片的各项品质指标，BPNN模型预测相对误差绝对值小于15%(除K值第0天),RBFNN模型预测相对误差绝对值大部分小于5%,RBFNN模型预测相对误差绝对值较小。对于金鲳鱼片新鲜度的预测，RBFNN模型准确度较高，BPNN模型准确度较低，RNFNN模型更适合用于预测金鲳鱼贮藏品质。     

灰色模型在大武水源地水质预测中的应用

根据大武水源地的实际，运用灰色理论和方法进行GM（1，1）模型的建立、精度检验、模型修正的过程，并用该模型对大武水源地的水质变化趋势进行了预测。预测结果证明，该模型用于地下水源地水质预测，符合地下水系统色特性，适用性好，预测结果与环境状况吻合。另外，本文还就残差模型修正中的约束条件、残差阶次和随机成分较大变量 的预测精度相对误差的修正等提出了应注意的问题。     

宿迁市耕地需求量预测及探析

选取宿迁市1997～2007年耕地变更调查统计数据，分别采用趋势预测法、线性回归法和灰色数列模型对该市耕地总量变化态势进行建模，并利用模型进行未来耕地需求量预测，最后根据预测结果对3种预测方法进行分析讨论。     

原油船海上航行升沉运动Bayes-LSTM预测方法

为了更好地预测船舶在海上航行中的升沉运动，提高船舶海上航行与作业安全水平，以10×104 t级原油船为研究对象，利用船舶模型运动过程数值模拟软件STAR CCM+构建其仿真模型，由无液货舱与半载液货舱两种情况及0.5λ、1.0λ、1.5λ（λ=6.16 m）3种波长组合构成6种工况，获取6组升沉运动数据，并将其以8:2的比例划分为训练集与测试集，利用贝叶斯算法优化后的长短期记忆神经网络（Bayes-LSTM）模型进行模型升沉运动预测，将预测结果与长短期记忆神经网络（LSTM）模型的预测结果进行对比。结果表明：Bayes-LSTM模型比LSTM模型的预测精度最大提高3倍以上，显示出Bayes-LSTM模型对船舶海上航行与作业过程中升沉运动预测的优势。（图5，表2，参21）     

马尾松人工林生长动态预测与密度决策的支持模型研究

应用系统工程的方法研究马尾松人工林生长动态预测与密度决策的支持模型，该模型由一系列生长模型组成，可动态预测林分生长过程以及筛选优化合理经营密度，从而使林分始终处于较优生长空间状态，达到速生、丰产、优质、高效的目标．模型用模外２０块样地资料对马尾松人工林单木生长模型进行Ｆ检验和Ｕ检验，两种结果表明，模型的预测精度较高，可在生产中应用．     

灰色GM（1，1）模型群及其粮食产量的预测

科学准确地预测粮食产量，对于制定国民经济计划十分重要。目前粮食产量的预测方法很多，本文提出了粮食产量预测的灰色ＧＭ（１，１）模型群，并根据某县１９８１年～１９９０年的粮食产量资料，对该县１９９１年～１９９５年的粮食产量进行了预测。经分析，其预测结果可靠、预测精度比ＧＭ（１，１）模型大大提高。     

林火蔓延的数学模型及其应用

为了改进用椭圆模型预测火场蔓延时，火场各部位的位置难于确定的问题，提出了一个林火蔓延的数学模型──抛物线－半圆形模型。得出了用该模型预测火场面积，周边长度以及面积，周长的增长速度的公式。用该模型预测林火蔓延时主要使用火头的蔓延速度，因而依赖参数少地原火点不动时，又能确定林火蔓延后各部位的位置，对火场预测是实用的。     

一种基于改进时间卷积网络的生猪价格预测方法

针对传统的生猪价格预测方法存在预测精度不够高，容易陷入局部最小值等问题，为更加精准地预测生猪价格，采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法，以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本，对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606，平均绝对误差(MAE)为0.288 424，决定系数(R²)为0.995 683，均优于其他3种机器学习模型；与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较，3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。     

交互式城市需水预测模型的建立及其应用

结合经济社会发展状况与水资源的特点，建立一个基于研究区域经济层次的交互式城市需水预测模型。该模型能够充分体现出社会经济、生态、环境和水资源各个系统间的复杂关系。模型根据不同预测内容分为经济总量预测、经济结构预测、需水定额预测、需水量预测4个模块，采用不同预测方法，在EXCEL平台上实现，实用性强，适应性较好。经在乌鲁木齐市应用，效果很好。     

GM（1,1）模型在农村居民消费支出水平预测中的应用

从灰色动态模型ＧＭ（１，１）的建立、精度检验与修正阐述了灰色数列预测的基本原理，并以此模型对湖北省农村居民生活消费支出水平进行了预测。实例表明，与传统预测方法相比，ＧＭ（１，１）模型具有一定的独特优势。     

运用自组织神经树预报小麦白粉病流行趋势

本文运用自组织神经树模型，建立了小麦白粉病的中短期（６０～９０天）预报模型，预测效率达１００％。结果表明，神经树模型性能良好，可望成为农作物疾病流行趋势预测的有效辅助手段。     

用灰色自回归模型预测稻瘟病

灰色自回归模型（ＧＡＲ）是将灰色系统模型（ＧＭ）与自回归模型（ＡＲ）结合起来的一类预测模型，它弥补了ＧＭ与ＡＲ的不足。本文叙述了该模型的建模方法，建立了江西省临川县１９６２～１９８７年稻瘟病年发病程度的ＧＡＲ模型，检验合格后，对该县的稻瘟病发生程度进行了多年预测（１９８８～１９９２）。运用模糊集合隶属函数对这几年的预测准确性进行评定，结果表明预测较为准确。文末还就ＧＡＲ模型用于稻瘟病预测的条件和特点进行了讨论。     

灰色马尔柯夫链超长期预测山东省棉铃虫发生趋势的研究

本文采用灰色预测ＧＭ（１，１）模型和马尔柯夫链预测方法，发挥各自优点，相互弥补，两者结合形成灰色马尔柯夫链，为病虫超长期预测提供一种新的方法。经１９９２、１９９３年验证，预测与实测完全符合。１９９２年预测精度达９４．１４％，较ＧＭ（１，１）模型灰色预测提高１１．８４％。应用灰色马尔柯夫链方法预测１９９４年将大发生，但发生程度轻于１９９２、１９９３年。     

基于GM模型的河北省房地产投资分析

房地产投资由于影响因素众多且具有较强的不确定性，是一个典型的灰色系统。灰色预测方法由于其所需数据少，预测精度高等优点在社会各行业得到广泛应用。本文运用灰色预测中的GM（1，1）模型对河北省房地产投资额进行了分析，建立模型，并给出了相应得预测。     

基于多分类器组合的个人信用评估模型

针对个人信用评估单一模型存在的不足，提出一种基于多分类器组合的个人信用评估模型。该模型综合了多元判别分析、logistic回归、神经网络、支持向量机等七种个人信用评估单一模型的预测结果，利用加权投票方法对其进行组合并输出最后预测结果。在某商业银行信用卡数据集上的测试结果表明，组合模型能有效地提高预测精度及稳健性，对信贷机构控制消费信贷风险具有很好的适用性。     

马尾松人工林生长动态观测与密度决策的支持模型研究

应用系统工程的方法研究马尾松人工林生长动态预测与密度决策的支持模型，该模型由一系列生长模型组成，可动态预测林分生长过程以及筛选优化合理经营密度，从而使林分始终处于较优蓉间状态，达到速，生，丰产，优质，高效的目标。模型用模外２０块样地资料圣马尾松人工林单木生长模型进行Ｆ检验和ｕ检验，两种结果表明，模型的预测精度较高，可在生产中应用。     

基于BP网络的无林地立地质量评价模型研究

以薄山林场大岭林区马尾松Masson pine人工林为研究对象，在用单形地位指数BP模型确定本试验区的马尾松人工林地位指数模型的基础上。再次运用BP神经网络建模技术构建立地因子与地位指数关系的模型，以对无林地立地质量进行评价，结果反映所建的BP神经网络模型能较好地对无林地的立地质量进行评价。与Richards生长函数的比较结果表明，Richards生长函数的平均拟合精度为95．19％，平均预测精度为94．32％；BP模型的平均拟合精度为95．66％，平均预测精度为96．02％。与多元回归模型的比较结果表明，多元回归模型的平均预测精度为73．47％，BP模型的平均预测精度为86．06％。     

我国人寿保险公司经营绩效的DEA有效性分析

基于ARMA-GARCH模型，并结合均值回归效应，溢出效应和周内效应，本文研究了恒指隐含波动率指数(VHSI)能否被预测及预测是否有助于期权投资实践的问题.研究结果验证了香港股市具有均值回归的特性，标准普尔500指数对恒指隐含波动率指数有明显的溢出效应.此外，恒指隐含波动率指数呈现出周一上涨，周五下跌的特征，具有明显的周内效应.最后，本文运用ARMA-GARCH模型对恒指隐含波动率指数进行预测，并结合实际的市场数据做了期权交易模拟.结果显示，ARMA-GARCH模型比ARMA模型更适合对恒指隐含波动率进行建模；考虑了均值回归效应，溢出效应和周内效应之后，ARMA-GARCH模型对恒指隐含波动率指数的预测能力显著提高，并且预测结果有助于期权交易获得较好的收益.     

基于WT+改进SSA-LSTM模型的短期天然气负荷预测算法

为提高天然气负荷的预测精度，提出一种改进麻雀搜索算法（Sparrow Search Algorithm,SSA）与长短期记忆网络（Long Short-Term Memory,LSTM）相结合的组合预测模型（即改进SSA-LSTM模型）。先利用Sobol序列产生高质量初始种群，再引入自适应权重和T分布变异以增加麻雀跳出局部最优、提高全局搜索能力，后通过12种测试函数验证改进SSA算法的性能，并将该组合预测模型应用于华北某城市燃气门站的天然气负荷预测。为进一步提高模型预测精度，引入小波变换（Wavelet Transform,WT），通过5种小波（Symlets小波、Coiflets小波、Fejer-Korovkin小波、Haar小波及Discrete-Meyer小波）对天然气负荷数据进行分解，将分解后的数据代入改进SSA-LSTM模型进行训练与预测，并将预测结果进行重构，以MAPE、RMSE、MAE为模型评价指标，结果表明：利用Discrete-Meyer小波7层分解方法的预测准确性最高，达到99.14%，相较于改进SSA-LSTM模型和传统LSTM模型的预测精度分别提高了3.55%、...