小波神经网络模型的改进及其应用

将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路.     

应用因子分析法遴选水稻灌溉管理分区关键指标

合理的灌溉管理分区是精准灌溉的基础,能够有效地降低灌溉管理运营成本.由于灌区地形地貌复杂、气候差异明显、灌溉水平和土壤特性各异,综合以上因素建立水稻灌溉管理分区指标体系属高维数据,给分区工作带来很多困难,亟待降维.采用因子分析法对1952～2006年黑龙江省37个水稻灌溉试验站(591站年)资料进行分析,遴选关键指标.研究表明,水稻灌溉管理分区关键指标依次为≥10℃积温、常规灌溉定额和生育期降水量和需水量,并进行了综合评价,该结果能较好地反映大尺度区域水稻灌溉管理水平,为制定农业区划与灌溉管理决策提供参考.图3,表1,参7.     

基于粗集的水文单要素预报模型

基于粗集理论,应用水文系列自身的历史资料作为预报因子,建立了水文单要素分级预报模式.在建立预报模式的过程中,由属性重要度和规则出现频度最大原则确定问题的最小规则集,即预报模式集,提出应用预报模式集对预报对象的支持强度最大原则作预报决策.建立的模式经应用于大伙房水库年径流预报,表明应用粗集理论提取的预报模式集,能有效地描述预报因子与预报量间的强非线性映射关系,具有较高的判别率;粗集预报模式由简单的决策规则组成,易于理解与使用.     

Fuzzy控制预报模型及其应用

论述了 Fuzzy控制预报模型的建模方法 ,并探讨了该模型在麦长管蚜发生期预报中的应用 :我们将麦长管蚜发生期的预报过程拟成一个 Fuzzy控制系统 ,预报因子作为系统的输入 ,预报对象作为系统的输出 ,根据历年系统观测资料 ,建立了 Fuzzy控制预报模型 .对历史资料进行回代验证 ,其历史拟合率达 1 0 0 %.将 1 995年观测数据作为独立样本进行试报 ,预测结果与实际一致 .     

井灌水稻防御水害试验研究综述

对井灌水稻防御冷水害进行试验研究，总结了相关内容的国内外研究动态和趋势，针对井水灌溉水稻水温较低的特点，提出了平衡水温的概念，同时研究了水温与气温的关系等，并介绍了研究内容，方法及技术路线，希望为我国北方井灌水稻的发展提供灌溉方面的理论依据，供井灌区水稻工作者参考，图１，参３。     

黑龙江省稻田养鱼生态适宜区气候区划

利用黑龙江省水稻生态适宜区２０个气象台站资料，应用模糊数学中模糊相似优先比法，对黑龙江省稻田养鱼生态适宜区进行气候分区。     

第一代小地老虎危害程度的Fuzzy优选预报模型及其应用

应用模糊（Ｆｕｚｚｙ）数学方法，对第一代小地老虎危害程度的Ｆｕｚｚｙ优选预报模型用其应用进行了研究。结果表明：历史拟合率达１００％，将１９８９、１９９０年作为独立样本进行试报，预报结果与实测相符。     

基于人工神经网络的汇率预报

本文将人工神经网络应用于汇率预报．应用从１９８７年５月至１９９２年１２月伦敦和纽约两大外汇市场马克对美元的市场即期汇率数据，建立前向组合神经网络预报模型．训练后的神经网络不仅能准确地拟会汇率的过去值，而且能较精确地预报汇率的未来趋势．计算结果表明：汇率的神经网络预报方法比统计预报方法优越．     

棉花耗水量预报模型的初步研究

本在试验实测资料的基础上，应用灰色关联分析的方法对影响棉花耗水量的主要因素进行了分析，同时建立了以旬叶面积系数，旬平均温度以及初始土壤含水率为指标进行预报棉花耗水量的灰色关联动态模型。     

高温天气衍生品设计及其定价模型——以长江中下游地区水稻为例

随着全球气候变暖,我国某些地区夏季常遭遇高温热浪侵害,针对此问题,设计了一款高温天气衍生品,其挂钩标的为每日最高气温。对气温变化准确预测是天气衍生品定价的关键,由于最高气温较平均气温变化更加极端,已有平均气温预测模型不一定适用于最高气温,因此,首次将极值理论应用于高温天气衍生品定价。以长江中下游中期水稻为例,将所设计的高温天气衍生品应用于我国农业生产中,结果表明,基于EVT的气温预测模型能较准确的预测日最高气温,所设计的产品能帮助农户规避高温风险;该产品值得相关金融机构或政府部门的应用和推广。