几种农机信息的科学预测方法及应用

对灰色理论预测、灰色—马尔柯夫联合预测、神经网络预测方法的应用特点作了介绍。     

基于灰色马尔柯夫链模型的浙江省名优茶产量预测

将灰色系统理论与马尔柯夫链结合在一起,建立了灰色-马尔科夫模型,并以此模型来对浙江省名优茶年产量进行预测,以达到科学指导生产、规划销售的目的。首先根据2000-2010年浙江省名优茶产量的统计资料,建立灰色系统GM(1,1)预测模型,并在此基础上运用马尔柯夫链理论对预测结果进行修正,得出更精确的预测结果。实例计算后发现,运用灰色马尔柯夫模型得到的预测结果较之单纯的GM(1,1)模型准确性有较大程度的提高。结果表明,灰色马尔柯夫模型更适用于对随机波动性较大的数列进行预测,此方法用于名优茶产量的预测是可行的。     

黑龙江省农机总动力的组合预测研究

探讨了组合预测方法及其在黑龙江省农机总动力预测中的应用，建立了组合预测模型。     

基于Shapley值的农机总动力组合预测方法

应用合作博弈中的Shapley值方法,通过分配总误差来确定组合预测模型中各预测模型的权重,以此构建组合预测模型并对山西省农机总动力进行组合预测.结果表明,该组合预测模型的预测平均误差为1.81,低于选定的一元线性回归模型、三次指数平滑模型和BP神经网络模型的3.12、2.42和2.23;也低于基于方差倒数法以及基于离异系数法构建的组合预测模型的预测平均误差1.88和1.90.     

农机总动力预测的灰色神经网络新方法

为提高农机总动力变化趋势的预测精度,将pGM(1,1)模型与RBF神经网络相结合,建立了基于pGM(1,1)-RBF神经网络的农机总动力预测模型,并以中国农机总动力数据预测为例,验证了该模型精度高、可行有效,适用于农机总动力预测.     

基于BP神经网络的农机总动力预测

分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨.根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络.在此基础上,推导...     

基于灰色模型的农业机械总动力预测

农业机械总动力是评价一个国家农业现代化程度的重要指标.根据2003-2007年我国农业机械总动力的历史数据,采用基于灰预测的指数增长模型对农业机械总动力进行了预测.在模型建立前,进行了级比平滑检验,认为数据具有建立灰预测模型的基础;模型建立后,又进行了相对误差检验、后验差检验和残差检验.检验结果表明,模型具有较高的精度,适合中长期预测.最后,根据该模型给出了2010-2012年我国农业机械总动力的预测结果,认为我国农业机械总动力将于2012年达到103222亿kW.     

基于混沌时间序列局域模型对农机总动力的预测

农业机械总动力是评价一个国家农业现代化程度的重要指标.本文采用混沌时间序列的一阶局域模型对新疆农业机械总动力进行了预测.误差分析表明,该一阶局域预测模型拟合值的平均绝对误差为0.64％,低于灰色理论GM(1,1)模型的0.90％,得到了较好的预测效果.     

基于改进BP神经网络的黑龙江农机总动力预测

BP神经网络在人工神经网络中起着至关重要的作用,通过分析标准BP神经网络的基本算法,指出标准BP算法的一些不足,并针对这些不足提出了以一种以相对误差作为误差传递信号的新的改进方法。经试验证明:该方法大大提高了BP神经网络预测结果的精度,同时这种新的改进思想也可以结合其他改进方法一起应用,以更大程度上地提高BP神经网络的运算速度和预测精度。     

农机总动力的预测及多种数学方法的应用比较

应用多种数学方法对青海省历年的农机总动力进行了预测，取得了良好的效果。通过对这些数学方法的应用比较。分析了其中每种方法的适用范围和优缺点。为相关管理部门进行正确的决策提供了依据，并为正确选用各种数学方法进行预测具有指导意义。     

递归神经网络在降雨量预测中的应用研究

递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能。运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题。选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较。仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高。预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据。     

组合预测方法及其在粮食产量预测中的应用

提出了一种组合预测方法，以“预测偏差绝对值的和最小”为标准，用线性规划确定组合权系数的最优加权算法，对青海省的粮食总产量进行了预测分析。结果表明，此模型具有较高的精度。     

中国汽车市场未来车身流行色彩的预测模型研究

关注于汽车车身颜色的色彩营销已经日益受到关注,对未来车身流行色进行成功的预测可帮助增加车型的竞争力,提高销量。但是对此领域的研究还相对较少,基于中国市场,分析了影响车身流行色的影响因素,并结合色彩系统理论进行完整的预测模型构建,最后通过初步的消费者调研对所构建的车身色彩预测模型进行验证。     

基于GIS技术的洪水预报系统设计与实现

概要介绍了洪水预报系统和地理信息系统的概念；提出了将GIS应用到流域洪水预报系统，实现地理信息系统与洪水预报系统的结合。重点以中小流域洪水预报系统为研究对象，研究和设计了此类系统的开发环境、体系结构和功能组成，并探讨了系统开发过程中的主要技术。     

基于粗糙集理论的农机需求预测

将粗糙集理论引入农机需求预测,从诸多影响因素中提取出了关键因素,并对因素重要程度进行了排序,得到一致、完备的预测规则。与传统方法相比,该方法无需前提假设,而且可有效处理农机需求与影响因素之间的强耦合与非线性关系,是一种适用性强的预测方法。     

我国农业机械化作业水平的组合预测模型对比研究

为探究不同组合模型对我国农业机械化作业水平预测的影响,以我国农业机械化作业水平时间序列为研究对象,以2001-2012年历史数据作为训练样本,分别选择指数曲线法、三次指数平滑法及灰色预测法构建单项预测模型,并基于单项模型的预测结果,选择误差平方和最小法、Shapley法和IOWGA法构建组合预测模型,对2013-2015年农业机械化作业水平进行预测。预测结果的对比分析表明:组合模型的预测精度从高到低分别为IOWGA组合模型、基于误差平方和最小法组合模型及Shapley组合模型。IOWGA组合预测模型充分汇集了各单项预测模型中的有效信息,且根据预测精度的大小赋予不同的权值,具备更好的预测效果和稳定性,相对误差可控制在1%,可用于我国农业机械化作业水平预测。     

水稻产量预测的Hopfield数学模型

在众多的人工神经网络模型当中,Hopfield神经网络是应用比较广泛的一种。鉴于Hopfield神经网络的特点,将其应用于水稻产量预测领域,运用人工神经网络的知识,建立了水稻Hopfield产量预测的数学模型,通过它可以提高水稻产量预测的精确性,以提高肥料利用率,促使水稻优产、高产,达到经济、生态和社会效益的统一。此数学模型已通过了测试与试验验证,取得了较好的效果。     

基于粗糙集的粮食产量组合预测模型

为预测粮食总产量,建立了基于粗糙集的粮食产量组合预测模型.通过建立预测模型与预测对象的关系数据模型,离散化属性数据值来建立知识表达系统和决策表,并依据粗糙集理论计算出预测对象对预测模型的依赖度、预测模型的重要度以及组合预测模型中各单一模型的权系数.利用浙江省粮食总产量的历史数据建立了粮食产量组合预测模型,分析表明所建模型有较好的预测效果.     

灰色预测模型粮食产量预测比较研究

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,然后建立灰色GM(1,N)预测模型;应用同一原始数据和GM(1,1)预测模型进行了比较,证明GM(1,N)预测模型具有较高的预测精度,较好地拟合了粮食产量的发展趋势。     

组合预测方法及其在粮食单产分析中的应用

介绍组合预测模型及最优权重的确定，并通过此方法对黑龙江省某农场粮食单产进行了预测。建立了组合预测模型。从预测结果上看，组合预测模型优于单一预测模型，使预测精度有一定的提高。