菏泽地区人口—耕地—粮食复合系统的灰色预测及对策研究

利用ＧＭ模型预测了菏泽地区的总人口和耕地面积，用拓扑预测模型预测了其粮食总产，并对三者进行了关联度分析。根据预测及分析结果，探讨了解决人口，耕地和粮食之间矛盾的对策和措施。     

河北省人口-耕地-粮食系统动态分析预测

近年来河北省经济处于快速发展阶段,各类建设对耕地的占用现象十分严重,使人地矛盾日益尖锐,笔者分析了河北省近50a来人口、耕地、粮食的动态变化,利用灰色预测模型分别预测了人口、耕地、粮食在未来20a的变化趋势,阐述了未来河北省耕地资源和粮食供给情况,并据此提出了相应的对策．     

我国进口粮食海运和船队分析

对本世纪末我国粮食进出口量及其流向和流量作了分析预测，提出了船队最优营运模拟模型，并对我国粮食进口进行了船型分析和船队规模与结构的优化．     

区域耕地-人口-粮食系统动态分析与耕地压力预测——以河北省邢台市为例

在分析河北省邢台市1990—2004年耕地、人口、粮食动态变化的基础上,分析了耕地压力指数的变化特点,并对未来15年耕地、人口、粮食进行了预测,进而预测了耕地压力指数的变化。结果显示：1990年以来,虽然邢台市耕地数量持续减少,人口不断增加,但由于耕地生产率不断提高,粮食产量和人均占有量却在增加,耕地压力指数呈现降低的趋势。未来15年耕地压力指数将进一步降低。可见,依靠增加投入和科技进步从而不断提高耕地生产率,是减轻耕地压力、保证粮食安全生产的根本途径。     

区域耕地-人口-粮食系统动态分析与耕地压力预测——以河北省邢台市为例

在分析河北省邢台市1990—2004年耕地、人口、粮食动态变化的基础上,分析了耕地压力指数的变化特点,并对未来15年耕地、人口、粮食进行了预测,进而预测了耕地压力指数的变化。结果显示:1990年以来,虽然邢台市耕地数量持续减少,人口不断增加,但由于耕地生产率不断提高,粮食产量和人均占有量却在增加,耕地压力指数呈现降低的趋势。未来15年耕地压力指数将进一步降低。可见,依靠增加投入和科技进步从而不断提高耕地生产率,是减轻耕地压力、保证粮食安全生产的根本途径。     

灰色改进等维新息GM（1，1）模型在电力系统长期负荷预测中的应用

本文分析了灰色系统预测ＧＭ（１，１）模型用于长期负荷预测时的局限性，针对电力系统需求增长的特点，提出了灰色改进等维新息ＧＭ（１，１）模型，对江苏电网的用电量进行测算的结果表明，采用改进等维新息ＧＭ（１，１）模型进行长期负荷预测的精度高于一般灰色ＧＭ（１，１）模型的预测精度，给出了程序框图与测算结果。     

黄土高原地区粮食生产趋势及其策略研究

根据建国以后黄土高原粮食生产进程经历了振荡期、徘徊期、增长期三个阶段，分析了粮食发展的趋势，预测了２０００－２０２３年七个不同年份全区和分区粮食的总产，并在对黄土高原粮食生产进行综合考察与定位试验的基础上，结合区域各地粮食生产及地貌类型、土壤侵蚀程度、生产环境、农业生产条件和国家粮食政策，提出了粮食可持续发展的经济对策和技术对策。     

基于灰色Verhulst模型的粮食物流量预测

针对粮食物流量预测的特点,引入灰色Verhulst预测模型理论,并分析此理论应用于粮食物流量预测的可行性,在此基础上建立粮食物流量预测的Verhulst模型。通过实际案例分析,及与其他方法预测结束的对比,表明灰色Verhulst模型在粮食物流量预测方面具有较高的预测精度。     

滦河三角洲地区人口发展和粮食增长的协调分析

采用回归分析和灰色系统模型等方法，对滦河三角洲地区人口发展和粮食增长过程进行了预测；为协调人口 与粮食的关系、制定综合开发规划提供依据。     

中国粮食生产的多元回归与神经网络预测比较

对1978-2000年影响我国粮食生产的7个因子分别建立了多元回归分析预测模型BP神经网络多变量输入预测模型。实证研究结果表明，与回归预测模型相比，用BP网络建立的模型经过训练后，可得到影响粮食产出的主要因子及其之间的非线性关系，网络模型新颖，具有很高的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

基于GMS的地层三维结构可视化模型及神经网络预测

 通过收集到的长春市及周边地区各类钻孔资料,运用软件GMS建立了长春及周边地区的三维地层结构可视化模型,与实际地质(地形)情况较为吻合,清晰地反映出长春地区地层结构情况,通过软件还可观察地层任意位置的剖面情况。将神经网络引入其中,当输入钻孔坐标(x,y,z)、地层厚度及地层深度时,能够较为准确地预测出对应地层的地质时代和岩性,采用结构为5-13-5的BP神经网络(单隐含层)预测结果的平均相对误差为11.12%,其最小误差为7.50%、最大误差为15.71%;采用改进后的结构为5-11-7-5的BP神经网络(双隐含层),预测结果的平均相对误差为4.64%,其最小误差为3.63%、最大误差为6.59%,完全满足预测精度要求。     

基于多机器学习模型的逐小时PM2.5浓度预测对比

【目的】比较分析XGBoost模型、LightGBM模型、随机森林模型(RF)、K最近邻模型(KNN)、长短期记忆神经网络(LSTM)、决策树模型(DT)共6个PM_2.5浓度预测模型,以准确、及时预测环境PM_2.5浓度。【方法】基于重庆市合川区2020年全年空气质量监测数据和气象数据,通过最大相关最小冗余算法(MRMR)进行数据降维选择最优特征子集,作为模型的输入,逐一进行PM_2.5浓度预测;考虑到不同季节PM_2.5浓度差异较大,故分季节预测了PM_2.5浓度;为了探究各模型预测性能,计算了各模型运行时间和内存占用,并基于PM_2.5与特征变量的相关性和特征变量的重要性探讨了模型预测性能季节性差异原因。【结果】模型总体预测精度从高到低排序为 XGBoost、RF、LightGBM、LSTM、KNN、DT模型;预测性能方面,6个模型均表现为秋冬季节预测精度高于春夏季节;LightGBM模型可在保证模型精度的情况下,大幅减少模型训练时间和内存占用;特征重要性显示PM₁₀浓度、气温和气压的重要性高,O₃浓度、风向和NO₂浓度重要性相对较弱。【结论】采取MRMR方法进行数据降维选取的最优特征子集能较好地预测PM_2.5浓度;相比较而言,XGBoost、RF、LightGBM、LSTM模型在PM_2.5浓度预测上具有较优性能,其中综合性能较好的为LightGBM模型。     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

炼铁设备故障预测模型的建立与应用

炼铁设备运行过程多样复杂,设备故障的预测与分析应适应现代化的设备管理要求.将灰色系统GM(1,1)与新陈代谢模型相结合,建立了炼铁设备故障预测模型.该模型对实时数据进行处理,通过分析数据间的规律,预测设备的可靠性.安钢热风炉风机运行动态监测的实例表明:该模型可实时地根据设备运行状态进行数据分析,与传统的分析手段相比,具有快捷、方便、可信度高的特点.模型可以大幅度减少模拟计算工作量、提高预测精度.     

考虑拟流度比的蒸汽驱前缘预测模型研究

Van Lookeren研究了拟流度比为0时的蒸汽驱前缘预测模型,提出形状因子取得最大值时的注汽参数为最优参数。而在实际油藏中,由于地层中原油黏度较大,或注汽速率较小,拟流度比往往较大,此时利用最大形状因子优化注汽参数受到限制。针对该情形,应用数学方法研究了拟流度比不为0时的蒸汽驱前缘预测模型。绘制了形状因子、拟流度比、注汽速率与前缘形状关系图版,发现增大注汽速率,可增大形状因子,从而减小拟流度比,减轻蒸汽超覆程度,提高前缘驱的波及效率。由于注汽速率受注汽压力限制,研究了注汽速率与注汽压力的协调关系,利用该关系和研究的前缘模型,对前人的注汽参数优化方法进行了改进。     

一种基于支持向量机和模型树的回归模型及其在采煤工作面瓦斯涌出量预测中的应用

矿井瓦斯是煤矿生产过程中的主要不安全因素,能否准确预测采煤工作面上的瓦斯涌出量将直接影响矿井开采的经济技术指标.从数据挖掘与机器学习的角度看,瓦斯涌出量的预测问题是回归分析的经典应用.支持向量机和模型树在回归分析方法中显示出了优越的性能,本文应用支持向量机和模型树方法建立采煤工作面瓦斯涌出量的预测模型.实验结果显示,预...     

基于Lasso算法的油田产量预测方法

随着油田的不断开采,油田的产量预测也变得越来越重要。目前有许多基于机器学习的预测方法,但大多数都不能给出具体的预测模型。本文提出了一种基于Lasso算法的预测方法,结合现场生产数据,选取一系列相关特征参数,通过对参数数据的初步分析,初步选取各个参数的函数形式,然后利用Lasso算法得到最终的预测模型,最终达到预测产量的目的。现场试验表明：该方法得到的预测模型比较准确,可解释性强,且预测精度高,可以应用于矿场产量预测。     

我国公司并购成功率的预测方法探析

公司并购成功与否的预测,不仅关系到并购双方以及并购标的物的利益,而且也是众多中小投资者判断投资价值的重要标准,且一次错误的预测往往带来不可计量的经济损失.在剔除了诸多因素变量后,最终选取了对并购成功率起重要作用的3个因素作为自变量,分别用logistic回归模型和前馈神经网络模型来建立两种并购成功率预测模型,对近三年来的2 611个并购案例有效样本进行分析,结果表明两种模型在并购成功率预测应用中各有优劣,为未来参与并购的企业以及投资者的预测提供有力的借鉴.     

油田开发动态形势分析——趋势分类法研究

油田生产中 ,各种动态指标的变化及相关性分析对开发方案的调整及部署非常重要 ,为了统计、分析并归纳总结油田开发中各种动态变化规律及彼此关系 ,文中将数理统计中的趋势分析法引入开发动态数据管理中 .在分析论证趋势分析法的基本原理及其数学模型的基础上 ,应用于某油区注采区块产能变化形势预测 .结果表明 ,该方法结合计算机处理 ,效率高、准确性高、预测性强 ,是产能趋势分析从定性逐渐转向定量的一种有力手段 .     

基于粒子群-投影寻踪和遗传-神经网络集成的预测模型

  针对预测对象和预测因子存在复杂的线性和非线性关系的特点,利用自然正交展开方法进行线性降维,以及用粒子群 投影寻踪方法进行非线性降维,将高维的非线性数据投影到低维子空间上,构造了一种遗传 神经网络预测模型。在此基础上,应用该预测模型对影响华南的台风频数进行了预测试验,并将预测结果与统计回归模型的预测结果进行对比分析。结果表明,文中构建的非线性集预测模型,对台风频数有较好的预测效果,5 年预测的平均绝对误差为0.81个, 平均相对误差为13%,预测结果比统计回归模型有明显的改进。该文的结果可为进一步探索研究其他领域的预测建模提供了一种新的参考思路和方法。