Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为：乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM（1,5）预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM（1,5）模型的残差进行修正,以便改善预测精度。实例结果：事后检验阶段GM（1,5）模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。     

爱辉区乡镇供水2010年发展规划设想

为了认真贯彻党的十四大和十四届三中会议精神，抓住机遇，深化改革，扩大开放，加快发展，在现有的供水工程设施上进一步完善和扩建，新建供水水源工程，提高供水能力，改善供需的紧张趋势，今后的发展设想，在2010年前，使全区的十三个乡镇一百零八十自然村屯及城区的部分居民全部吃上自来水。随着国民经济的迅速发展，供水水源工程将推动各项事业的顺利进行。一、需水预测1、农田灌溉用水根据2010年灌溉面积发展预测指标灌溉定额指标估算确定2010年全区有效灌溉面积可达6．0万亩，其中水田40万亩，旱田1万亩，实际灌溉面积5万亩，灌溉水…     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

人工神经网络在软土地基路基沉降预测中的应用

将人工神经网络应用于软土地基填筑施工中的沉降预测，提出了一种有效的预测方法，并构造了预测路基沉降的神经网络模型，预测结果表明，该模型具有很高的预测精度，为预测软土地基路基填筑施工引起的沉降提供了一种新的方法。     

甘肃省农业经济发展与供给侧结构性改革研究——基于灰色系统理论

以甘肃省为例,运用灰色关联方法剖析甘肃省农业总产值与内部各产业产值、农业生产条件的内在关系,选取三种模型中误差平方和最小的GM(1,1)模型预测甘肃省“十四五”时期农业总产值及各农业产业产值.结果表明,种植业和林业与甘肃省农业总产值的灰色关联度最高,农业服务业关联度最小;农业生产条件中对农业总产值影响最大的是农村用电量和有效灌溉面积,影响最小的是农用机械总动力.基于灰色关联分析与GM(1,1)模型预测结果,提出积极深化农业供给侧结构性改革,补齐农业基础建设短板,培育、发展和壮大新型农业农村集体经济经营主体,延伸产业链等建议.     

基于数据挖掘技术的负荷预测模型

为有效选取预测变量和训练模式、提高预测精度，提出了一个基于数据挖掘技术的负荷预测模型．该模型首先利用粗集理论和遗传算法选取与负荷相关的预测变量，再选取与预测日相似的训练模式，最后用神经网络对负荷进行预测．实际运行结果表明将该模型应用于电力系统负荷预测是可行的，其与传统的神经网络预测模型相比具有更高的预测精度.     

基于潜在因子多样性的非负矩阵分解协同过滤模型

基于非负矩阵分解的协同过滤模型在高维稀疏数据的预测和填补上十分有效，该模型具有推荐个性化、有效利用其他相似用户回馈信息的优点，但也存在预测精度较低等不足。针对用户或项目在不同情景下的评分差异性，提出了一种改进的基于潜在因子多样性的非负矩阵分解的协同过滤模型。该模型充分考虑在不同情境下，用户和项目潜在特征矩阵的多样性，在模型的训练中，采用了单元素非负乘法更新规则和交替方向法，保证了目标矩阵的非负性，且提高了模型的收敛率。在真实的工业数据集上的实验结果表明，相比于经典的非负矩阵分解模型，该模型的预测精度有了明显提高。     

基于高阶矩冲击机器学习Multi-LSTM模型的中国碳价预测

碳价预测是以市场手段推动污染物减排、促进碳市场发展的关键。本文聚焦从高阶矩(偏度-峰度)视角研究市场非对称信息和极端因素对碳价的动态冲击。使用湖北碳市场2014.4.28—2021.2.26时间序列数据，基于实验法构建Multi-LSTM机器学习模型检验预测效果。研究发现，Multi-LSTM模型的碳价预测误差RMSE、MAE、MAPE仅为2.65、1.74、2.43,市场预测准确度为0.88,具有显著的预测精确和稳定性。表明考虑高阶矩冲击的碳价预测机理有效性和合理性得到证明，Multi-LSTM模型能够进行有效的碳价预测。     

基于时序动态分析的油井产量预测研究

针对目前常用的油井产量预测方法效果并不理想的问题，开展时间序列分析来进行油井产量动态预测研究。采用时间序列分析结合残差修正方法，建立具有时序动态分析能力的产量差分自动回归移动平均模型（Autoregressive Integrated Moving Average，ARIMA），得出预测初始值与真实油井产量的残差；通过构建支持向量机（Support Vector Machine，SVM）时序预测模型进行残差修正，获得油井产量组合预测值；并将长短期记忆网络（Long Short-Term Memory，LSTM）模型与上述方法进行对比。实验表明，组合预测模型、LSTM模型的预测结果平均相对误差率分别为9.81%和32.44%。说明组合模型预测更精准，为油井产量的动态预测提供了一种有效方法，可作为油井在生产计划时的快速实时辅助依据，具有实用价值。     

一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想，提出了一种具有递阶特点的模糊逻辑模型。该模型采用基于山峰函数的减法聚类算法，将样本数据集分成多组来进行局部模糊模型的建立和训练，大大提高了组合模糊逻辑模型的训练效率。各局部模糊系统的预测输出通过主元递归分析法（PCR）连接，解决了模型之间的严重相关性问题，增强了模型的预测能力，提高了模型的鲁棒性。仿真结果表明，组合多个模糊逻辑模型能够达到比局部模型更好的建模效果，并能有效的改善模型的预测能力和泛化能力。     

模糊综合评判法在土体冻胀灾害预测中的应用

采用模糊综合评判法对土体的冻胀进行预测具有优越性。在目前的研究中，指标权重的确定片面地采用主观法或客观法，得到的指标权重具有一定的片面性。文中提出的模糊评判模型中指标权重的确定方法采用主观和客观赋权相结合，实现了主观判断与客观评价的统一，使评价更加客观、真实、有效。文后的实例预测分析结果表明，所提出的模型合理，切实可行。     

基于ANN-泊松模型的预测研究

目前,经济预测主要采用基于传统研究方法或人工神经网络技术的单项预测方法．近年来的研究表明,组合预测方法比单项预测具有更高的预测精度．本文提出了一种基于BP神经网络和泊松模型的组合预测新方法,对轮船发生事故进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在计数模型的预测中的应用是可行、有效的．     

矿区环境系统动力学仿真模型的建立

以研究复杂问题和复杂系统的有效工具——系统动力学为手段，把矿区环境系统分成固体废物、水和大气三部分，建立了矿区环境系统动力学仿真模型。并以某矿区为例进行了历史检验和动态仿真与预测。研究表明，所建立的模型是有效的和可信的，能够充分代表现实的矿区环境系统。该模型还具有一定的通用性和可移植性。     

利用ARIMA-SVM模型的碳排放交易价格预测

为了帮助企业、投资者和市场监管部门优化碳排放市场参与行为,需要对碳排放交易价格进行合理有效的预测。考虑到碳排放交易价格时间序列同时具有线性和非线性2种特征,选择ARIMA-SVM融合模型运用到碳排放交易价格预测中,发挥该模型预测精度高的优势。运用ARIMA-SVM模型、ARIMA模型、SVM模型和Db6-SVM模型对湖北碳排放交易价格进行8期预测。通过4种模型预测值的MSE值和MAE值确定预测精度,对比预测精度,探究ARIMA-SVM模型是否为准确有效的预测模型,实证结果表明:ARIMA-SVM模型的MSE值为0.177 0,是4种模型的最低值;MAE值为0.338 7,是4种模型的次低值。可以认为ARIMA-SVM模型的预测精度最高,是一种有效的且精度高的碳排放价格预测模型,可用于碳排放交易价格预测,可以为碳排放交易参与企业和各方投资者把握价格波动趋势,增强防范能力提供保障,也可以为市场监管职能部门防止碳排放交易价格过度波动及时制定有效措施。     

评价地区可持续发展的灰色关联投影法

提出用于可持续发展的综合评价方法——多目标决策灰色关联投影法，介绍该方法的基本原理，建立综合考虑人均国民生产总值GDP、人均生化耗氧量BOD、人均粮食产量、人均社会产值、人均城市污水排放量、人均用水量、人均农业灌溉面积和农业供水保证率等因素的可持续发展综合评价的多目标决策灰色关联投影模型，并用实例加以说明，所得结果与综合评判模型的评价结果相同，说明该方法用于可持续发展综合评价是有效的。     

基于多元线性回归分析和随机森林算法的水稻贮藏霉变风险控制（英文）

阐明真菌的生长机理对于减少储粮损失具有重要意义。在影响真菌孢子生长的因素中，最重要的因素是环境温度、稻谷含水量和储藏时间。因此，本研究基于实验数据建立了孢子数和温度、含水率和储藏天数等几个重要因素之间的多元线性回归模型。为了建立更准确的模型，我们将随机森林算法引入稻谷储藏过程中的真菌孢子数目预测模型，用于预测储藏过程中不同温度、含水率和储藏天数下的孢子数。对于随机森林模型，99%的预测值和其对应的原始数据可以达到同一数量级，对于预测孢子数具有很高的准确性。此外，我们绘制了预测曲面图，将环境条件控制在低风险区域可以有效降低稻谷在储藏过程中的霉变风险。     

基于ARIMA—ANN的时间序列组合预测模型

目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.     

干旱地区灌溉输水供需平衡优化模型

介绍了塔里木盆地灌溉农业输水技术和田间灌溉技术的现状。详细描述了区域间在各种节水技术组合下，不同种植作物的水供需平衡优化模型。以总系统收益最大为目标函数。约束条件考虑了灌溉面积、灌溉作物面积、水供应、需求及平衡、水输送及最大来水量、作物销售量、化肥需求量等。在模型中还引入了水价，买水约束。用线性规划软件包ＧＡＭＳ对该模型进行了计算，结果令人满意。本模型为研究该地区水资源合理分配，提高水利用率提供了一个有效工具，也可推广应用于其它相似地区的水资源利用领域。     

基于灰色马尔可夫模型的采煤机生产率的预测

生产率是衡量采煤机工作性能的一项重要指标,对煤矿开采的科学决策以及发展规划具有重要的指导意义.通过建立采煤机生产率的指标评价体系,运用灰色GM (1,1)模型以及灰色马尔可夫模型分别进行了预测,经过比较可发现,灰色马尔可夫模型预测的准确率和预测精度都优于GM(1,1)模型,尤其对波动性和随机性大的数据具有很好的拟合和预测效果,为具有多因素影响的采煤机生产性能预测评价提供了一种有效的途径和方法.     

堰塞坝溃口及洪峰参数模型评估与优化

由滑坡等失稳地质体快速堆积并堵塞河道形成的堰塞坝溃决后会对下游人民生命财产安全造成极大威胁。建立快速准确的溃决参数预测模型，是制定有效防灾减灾措施的必要条件。本文收集了75例包含坝高、库容、溃口峰值流量、坝体冲蚀系数等参数的堰塞坝案例，基于均方根误差、回归相关系数、百分比偏差三个指标对具有代表性的土石坝和堰塞坝参数模型进行评估。通过回归分析建立新的堰塞坝溃口深度预测模型及溃口峰值流量预测模型，将新建模型与现有模型对比，在实际案例中验证了模型的适用性。研究结果表明：现有模型中单参数、双参数及土石坝模型对于堰塞坝溃决参数预测效果不佳，考虑坝体易蚀性的参数模型具有较高准确性，本文所建新模型预测效果有所提升，使用范围更广，预测结果可为堰塞坝的防灾减灾措施提供参考。