基于SIR方法分析重庆市粮食产量

主要基于切片逆回归(Sliced Inverse Regression,SIR)方法对1978-2013年重庆市粮食总产量的影响因素进行分析和预测.先对影响重庆市粮食总产量的4个重要因素进行降维,降维后的第一主方向与重庆市粮食产量具有线性回归关系,再基于最小二乘法对参数进行估计,回归模型拟合效果较好,由此对重庆市粮食产量作合理预测.     

2006-2010年淮南市环境空气污染特征及变化趋势分析

以2006-2010年淮南市环境空气质量监测数据为依据,对淮南市环境空气质量状况的空气污染综合指数和spearman秩相关系数rs进行污染物变化趋势分析.结果显示,2006-2010年间,淮南市城区环境空气中二氧化硫和可吸入颗粒物年均浓度均呈不显著下降趋势,二氧化氮呈不显著上升趋势;可吸入颗粒物是影响淮南城市环境空气质量的主要污染物.     

基于IOWA算子的我国粮食产量组合预测研究

以1978—2018年我国粮食产量数据为样本,提出基于IOWA算子的组合预测模型,对我国未来5年的粮食产量进行预测。首先建立时间序列ARIMA模型、Holt-winters加法模型和多元线性回归模型,运用3个单项预测模型对1978—2018年间我国的粮食产量进行拟合,然后基于IOWA算子建立以误差平方和最小为准则的组合预测模型,最后运用基于IOWA算子组合预测模型对我国未来5年的粮食产量进行预测。结论表明:基于IOWA算子的组合预测模型具有更高的预测效果,能够使得单项预测模型提供的有效信息得到全面利用,更精准地预测我国粮食产量;我国未来5年的粮食产量还会持续增加,并且每年的平均增长速度为1.3%。     

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。     

基于多元线性回归模型和灰色关联分析的江苏省粮食产量预测

针对江苏省近年来粮食产量波动的现状,采用灰色关联模型对2000~2009年江苏省粮食产量进行分析.结果发现,播种面积、化肥施用量、年均气温、年均降水以及农药施用量等5个因素是粮食产量波动的主导因素.然后在灰关联分析的基础上建立多元线性回归方程对2010~2012年江苏省粮食产量进行预测与验证,结果表明预测效果良好.最后,针对现状提出了相关建议.     

基于熵权法的灰色组合模型的应用

针对粮食产量波动较大,单一预测模型不能实现精确预测问题,提出一种基于熵权法的灰色组合模型.利用熵权法对预测误差较小的DGM(1,1)和多元线性回归模型进行定权组合,并分别对我国2010—2015年粮食产量进行预测,结果表明,用改进的组合模型预测的粮食产量误差更小.     

时间序列分析在粮食产量预测中的应用

在预测粮食产量中可以应用时间序列分析.叙述了时间序列模型的辨识、预测及建模过程,利用Matlab系统辨识工具箱对时间序列进行数据预处理,相关分析,ARMA模型参数估计,并对2010年的粮食产量进行了预测.     

基于灰色关联支持向量机的中国粮食产量预测模型

研究我国粮食生产系统的变动规律,做好粮食产量科学预测不仅是制定农业政策的重要依据,而且对于保证我国的粮食安全具有重要意义。鉴于粮食生产系统的复杂性和信息不完全性,在对粮食生产系统灰色关联分析的基础上,确定出影响粮食产量的主要因子,然后根据支持向量机回归原理,建立了基于灰色关联支持向量机的预测模型。预测结果表明该模型具有较高的预测精度,为粮食产量预测提供了一条新的途径。     

基于灰色关联支持向量机的中国粮食产量预测模型

研究我国粮食生产系统的变动规律,做好粮食产量科学预测不仅是制定农业政策的重要依据,而且对于保证我国的粮食安全具有重要意义。鉴于粮食生产系统的复杂性和信息不完全性,在对粮食生产系统灰色关联分析的基础上,确定出影响粮食产量的主要因子,然后根据支持向量机回归原理,建立了基于灰色关联支持向量机的预测模型。预测结果表明该模型具有较高的预测精度,为粮食产量预测提供了一条新的途径。     

“十三五”时期中国粮食产量的预测研究

从中国粮食产量的历史趋势中找出规律,寻找适当模型为政府进一步制定相关的农业改革政策提供参考。以1949—2014年中国粮食产量数据作为建模样本,运用EViews 6.0,建立中国粮食产量的ARIMA模型。建立了ARIMA)0,1,1(模型,并对样本数据进行拟合预测,经检验拟合效果较好,预测精度较高。模型预测效果显著,具有现实意义。     

基于混合群智能算法优化BP神经网络的粮食产量预测

针对前馈神经网络预测粮食产量的方法易陷入局部最优的问题,提出一种基于粒子群算法和人工蜂群算法的改进BP神经网络模型.利用粒子群优化算法和人工蜂群算法在全局搜索能力上的不同优势,结合两者对BP神经网络的权值和阈值进一步优化,以提升粮食产量预测模型的准确性与鲁棒性.给出基于粒子群和人工蜂群混合的ABPSO算法的具体实现,并选择1979年至2012年我国粮食的产量及影响其产量的8项因素作为数据集进行试验.结果表明:改进的BP神经网络能够较好地预测国内近几年的粮食产量变化趋势;相比未优化的BP模型,新算法预测误差平均值由847 780 t降低至240 320 t,误差范围由1 894 200 t降低至586 800 t.     

用科学的方法预测粮食产量取得进展

粮食预测是制定国家经济发展计划的基础性工作.在世界各国,特别是发达国家,如美国、加拿大、日本都很重视粮食预测.一般是通过卫星采用遥感技术,以气象情况为基础,对当年粮食产量进行预测.然而,这种方法只能提前20天左右作预报,不能满足国家计划工作的要求.并且,也不能解释为什么全世界粮食产量有随人口逐年增加的趋势.难道说,世界气象情况是逐年变好的吗?也有人用经济统计学的方法(如回归分析)作预测,     

组合预测模型在安徽省粮食产量预测中的应用

利用安徽省粮食产量的历史数据,分别采用一元线性回归、指数曲线及神经网络方法建立了安徽省粮食产量的预测模型。以此为基础,建立了安徽省粮食产量的组合预测模型,并对模型的适用性进行了检验。最后,应用该模型对安徽省未来10年的粮食产量进行了预测。结果表明,组合预测模型可以作为安徽省未来粮食产量预测的有效工具。     

基于区间型数据计量的我国粮食产量研究

采用4种区间型数据计量建模方法,综合分析我国8个省份城市1993—2018年气候变化和农业生产投入要素对粮食产量影响.采用5个评价指标衡量4种建模方法的预测精度,给出4种方法的回归结果并进行比较分析,应用最优回归方法对我国粮食产量变化进行预测.研究结果表明:我国粮食产量存在地域性差异,部分省份2009以年前单位面积粮食...     

我国农产品物流需求量组合预测分析——基于PLS、BP神经网络和ARIMA模型的实证

针对影响农产品物流需求的各种特定因素,提出基于偏最小二乘回归(PLS)、BP神经网络和ARIMA模型的我国农产品物流需求量最优组合预测分析方法体系,并基于1995-2015年中国农产品物流需求量相关数据对我国农产品物流需求进行预测分析。实证分析结果表明,预测方法不但能够有效预测农产品物流需求量的整体变化趋势和细节波动,具有更高的预测精度,而且能够反映粮食产量、粮食价格等影响因素对物流需求量的作用机制。     

基于背景值修正的灰色模型在土地人口承载潜力中的应用——以河西走廊地区为例

分析了河西走廊各区县粮食产量和人口数量的变化情况以及土地人口现实承载力.利用背景值修正的灰色预测模型预测了各区县2015-2024年粮食产量和人口数量的变化情况以及土地人口预期承载力.利用土地承载潜力模型分析了河西走廊各区县的土地人口承载潜力.结果表明:河西走廊地区土地生产潜力较大,人口承载力水平普遍较高,生态环境压力和科学技术是制约城市发展的主要因素;根据预测结果,到2024年除嘉峪关市和敦煌市还处于人口超载状态外,其他地区土地人口承载力大幅增加,土地人口承载力盈余地区不断扩大.     

改进灰色马尔可夫模型在湖南省粮食产量预测中的研究

通过选取湖南省2001年至2017年间的粮食产量数据,采用灰色系统理论、背景值优化、新陈代谢原理、结合马尔可夫模型建立等维新陈代谢的改进无偏灰色马尔可夫模型对湖南省粮食产量进行预测。结果显示:等维新陈代谢的改进无偏灰色马尔可夫模型的预测精度远高于传统的灰色预测模型,该模型更适合中短期粮食产量预测。     

区域粮食生产灰色关联分析

采用灰色系统理论,对影响河南省粮食产量的诸因素进行动态灰色关联分析,运用GM(1,1)模型在对其发展趋势预测的基础上,进行趋势关联分析.研究结果动态地反映了河南粮食生产发展的趋势,为粮食生产持续发展、科学决策提供理论依据.     

宿州市粮食生产灰色关联分析及预测

根据宿州市1978～2009年粮食产量相关统计资料,运用灰色模型对宿州市粮食生产预测并进行影响因素灰色关联分析.结果表明:宿州市粮食产量整体呈上升趋势,但中间因气候因素导致较大波动,若措施得当,未来6年粮食产量将逐年增加;9个影响因子中,粮食单产、粮食播种面积、农业生产资料价格及农田水利设施是影响宿州市粮食生产的最重要的因子.     

河南省粮食生产变化的多尺度分析

利用1978-2011年34年粮食产量数据,基于小波理论对河南省粮食生产年际变化进行了小波分析,揭示了河南粮食生产变化的多时间尺度特征,分析了不同时间尺度下粮食生产变化的周期规律,并根据主周期对未来粮食产量变化进行了预测.结果表明,自1978年以来,河南省粮食生产总体特征表现为波动中趋于上升.近34年来河南省粮食生产变化具有多层次的时间尺度结构,存在21年、13年和5年左右的时间尺度周期变化.经粮食生产变化趋势分析后得出,在2011年之后较长一段时间内,河南省粮食生产将处于低产期,但在较长的低产期内会出现短期的粮食高产阶段.