基于灰色关联分析与BP神经网络的农业灌溉预测

针对农业灌溉用水量预测存在的复杂性、不确定性和非线性等问题,提出一种基于灰色关联度分析与BP神经网络的灌溉需水量预测,首先,采用灰色关联度分析法,选取降水量、蒸发量、平均气温、日照时间、灌溉面积作为BP神经网络的输入因子;然后,根据各影响因子与灌溉用水量的对应关系,对模型训练;最后,将训练好的模型用于2007-2017年灌溉需水量预测中.结果表明,灰色关联-BP神经网络模型预测相对误差在1.81%～5.48%以内,可为农田灌溉预测提供科学依据.     

城市工业用水量预测

本文运用经济预测理论,根据我国城市工业用水的主要类型,分别采用了“成长”曲线模型和全对数逆函数曲线模型进行了工业用水的趋势预测,并对预测成果作了分析. 一、引言 我国是一个水资源比较缺乏的国家,随着国民经济的发展,现在已有200多个城市出现严重缺水局面.在城市用水量中,工业用水已占2/3.正确预测城市工业用水,对规划城市供水水源,调整工业内部结构及采用相应的节水措施都有重要意义. 根据水量平衡原理: W使=体耗+W排+W重=W用+W重式中:W使──工业的使用水量(m3); W耗──工业耗费水量(m广); W排──工业排污水量及漏水量(m3); …     

基于支持向量机的中国工业增加值预测研究

工业增加值是衡量一个国家工业发展水平的重要指标。由于其受多种因素影响，对其预测相对困难。本文提出运用时间序列预测方法对其预测，并利用支持向量机和微分进化算法（differential evolution，DE）相结合的方法对中国工业增加值数据进行预测。数据仿真显示该模型比核主成分分析的最小二乘支持向量机（KPCA-LS-SVM）以及岭回归（ridge regression，RR）具有更高的预测精度。     

基于ARIMA模型的我国稀土需求统计及预测分析

以我国1978-2012年稀土需求量数据为样本,运用ARIMA模型对我国"十二五"末稀土需求量进行预测分析.预测结果表明2013-2015年我国稀土需求量总体上将持续增长,到2015年我国稀土需求总量将达到8.27万吨(REO),与2012年相比,年复合增长率为8.48%.预测具有较高的拟合精度,拟合值与观测值具有较好的一致性.通过对我国稀土需求量进行预测以期为政府制定相关行业政策提供决策依据.     

北京市用水结构预测分析

城市化进程给城市用水量与用水结构带来了显著的改变,通过研究北京市用水结构的发展趋势,为区域水资源的科学管理与合理配置提供依据.用水结构主要包括农业用水、工业用水、生活用水和生态用水四类,可将历年用水量作为一系列按照时间顺序排列的成分数据,运用球坐标变换的成分数据预测方法,研究了北京市用水量结构的动态规律,并对未来两年的用水量结构作出预测.     

基于模糊综合评价模型的赣州市水资源承载力动态评价

水资源的合理利用对区域经济社会发展以及促进人与自然的可持续发展至关重要.通过构建模糊综合评价模型,选取年降水量、人均水资源量、水资源利用率、万元GDP用水量、万元工业增加值用水量、农田灌溉亩均用水量、生态用水等7个指标对赣州市2009-2018年水资源承载力进行动态评价研究,分析近十年该地区水资源承载力演变趋势以及影响该地区水资源承载力的主要因素.结果表明:1)赣州市水资源综合承载力较高,水资源还有进一步开发利用的空间;2)2009-2018年赣州市水资源承载力整体上呈上升趋势,但上升幅度不大,呈现小幅波动状态,其中GDP、工业用水量以及农业用水量对赣州市水资源承载力的具有显著影响;3)赣州市水资源较丰富,但由于时空分配不均,水资源配置体系也不够完善,且供水的基础设施比较薄弱,所以水资源的开发利用程度比较低.该研究结果可为当地水资源的可持续利用提供决策参考和依据.     

基于主成分分析的需水量预测模型研究

用水是整个水资源系统中的一个重要环节,需水预测是制定水资源规划、管理以及国民经济计划的基础和依据.提出了基于主成分分析法分析的需水量预测模型,试图能探讨需水定额与经济社会各影响关系响应,以郑州市为例对2010年、2020年和2030年的工业、农业和生活的需水量进行了预测,并与郑州市水资源规划的预测结果进行了比较,分析及比较结果表明:该模型预测结果比规划结果偏低,2010年、2020年和2030年平水年分别需水162295×104m3、179966×104m3和194696×104m3,需水结构的变化基本反映了郑州市产业结构调整和社会经济良性发展的趋势.     

工业增加值比重能预测中国碳排放量吗?——基于隐马尔科夫链的实证研究

寻找有效的中国碳排放量预测方法,对于制定环境政策有重要意义.工业生产与环境污染关系密切,但现有研究大多聚焦于经济与环境的关系,对碳排放量预测方法或指标研究有限.文章尝试以工业增加值占国内生产总值的比重作为反映经济活动的代表性指标,通过隐马尔科夫链预测我国碳排放量,并与常用模型或指标的预测效果做了对比分析.分析显示,隐马尔科夫链拟合效果好,工业增加值比重可有效反映我国碳排放趋势,从而为碳排放预测提供了新的解决思路.     

基于SARIMA模型在我国铁路客运量中的预测

铁路客运量预测是铁路旅客运输生产的重要基础工作,我国铁路运输业客运量呈现出明显的季节性波动.准确预测月度铁路运量能够为我国铁路运输发展规划提供科学依据,具有非常重要的现实意义.选择了2007年1月至2014年11月的全国铁路客运量数据来建立季节时间序列SARIMA模型.经过逐期差分和季节差分后最终建立了ARIMA(1,1,2)×(1,1,1)_6模型,并选取了2008年3月至2014年11月我国铁路客运量数据的真实值和模型预测值进行了对比,平均绝对百分比误差MAPE是10.886%,模型的预测能力"优良",最后对201.5年1月-2015年3月全国铁路客运量进行了预测.     

基于FGM(1,1)模型的河北省高新技术产业增加值预测

高新技术产业是国民经济的战略性先导产业,在综合国力竞争中起着重要的作用.利用2014年到2018年河北省高新技术产业增加值数据,运用FGM(1,1)模型,给出了河北省高新技术产业增加值的预测模型,并进行了实证研究.预测结果显示,河北省高新技术产业增加值将保持稳定增长趋势.