用分阶段回归模式进行作物产量气候分析—以北京地区冬小麦为例

作物产量形成不仅受到自身生长发育特性的制约,而且还受到环境条件(气象、土壤条件等)的影响。作物生长发育有阶段性和顺序性,完成一个生育阶段后进入下一个生育阶段。阶段之间具有相对的独立性,不同阶段受环境条件影响不同。农业气象鉴定和作物天气气候条件评价均需分阶段进行,对于分阶段进行作物产量气候分析和预报,国内外都有一些研究。本文在前人工作的基础上,提出按生长发育时期分段的方法进行作物产量气候分析的一般思路,并以北京地区冬小麦为例,提供了一个具体突施方案。 将作物生长发育全过程分成n个阶段(本文取n=3)。因作物资料的不同可有多种方案,这里用产量资料与气象资料进行分析。 按照农作物产量气候分析的方法,产量资料按下式分解:     

基于遗传算法优化BP神经网络在原油产量预测中的应用:以大庆油田BED试验区为例

油田产量预测工作一直是油田开发中的一项重要工作,许多传统的回归模型以及智能算法都已经在油田产量预测中有了应用.虽然神经网络以其较强的非线性拟合能力.而得到广泛应用,但是传统BP神经网络容易陷入局部最优值而影响预测结果.将利用遗传算法同时优化BP神经网络连接权值和阈值的算法应用到大庆油田BED试验区高含水阶段的油田产量预测,结果表明在面对高含水阶段更加复杂的地质条件和数据波动更强的情况下优化后的神经网络收敛速度更快而且预测精度更高.     

基于FOR-GRNN的寒地水稻产量预测

针对东北寒地作物水肥资源利用低下问题,以水稻为研究对象,采用氮肥、磷肥、钾肥、水作为模型输入,产量作为模型输出,运用果蝇优化算法对广义神经网络中的平滑因子进行寻优,利用MATLAB2014a神经网络工具箱对水稻不同水肥条件下产量数据进行分析和训练.结果表明,果蝇算法优化回归神经网络模型经过多次迭代寻优比较准确地确定了最佳的平滑因子,在非线性多因素系统建模方面有着很强的优势,其对产量的预测精度达86.5%,高于广义回归神经网络、BP神经网络及灰色神经网络.因此运用果蝇算法优化后的广义神经网络模型可以对水稻产量进行有效预测,为优化水稻水肥配施方案及灌溉制度的制定提供理论依据.     

PLSR模型的回归效果分析

本文简单地介绍了多元线性回归、主元回归、部分最小二乘回归模型 ,用实例对三种方法的回归性能进行比较 ,并指出在消除多重共线性、回归系数估计精度及预测精度等方面 ,部分最小二乘回归模型优于其它两种模型     

玉米高产栽培综合农艺措施数学模型的研究

本文根据农业系统工程的原理，应用二次回归正交旋转组合设计的方法，将对玉米生育影响较大的主要栽培因素做为决策变量以最大的产量指标做为目标函数，通过田间试验和生产实施，对影响玉米生产的各个要素进行了模型化研究，应用微机进行了参数测辨和统计分析，建立了产量函数模型，解析了各因子的产量效应和交互作用。通过模拟寻优，优选出了本市玉米生产最优的综合农艺措施方案。     

玉米高产栽培综合农艺措施教学模型的研究

本文根据农业系统工程的原理，应用二次回归正交旋转组合设计的方法，将对玉米生育影响较大的主要裁培因素做为决策变量以最大的产量指标做为目标函数，通过田间试验和生产实施，对影响玉米生产的各个要素进行了模型化研究，应用微机进行了参数测辨和统计分析，建立了产量函数模型，解析了各因子的产量效应和交互作用。通过模拟寻优，优选出了本市玉米生产最优的综合农艺措施方案。     

基于麻雀搜索算法和广义回归神经网络的玉米产量预测

针对新疆北部地区在玉米生产过程中存在的水肥利用率低下问题,提出一种基于麻雀搜索算法和广义回归神经网络模型的玉米产量预测方法,以探索水肥因素与玉米产量间的非线性关系,可为优化新疆北部地区春播玉米灌溉制度及水肥配饰方略提供理论指导.该方法采用36组既有玉米生产数据,通过广义回归神经网络技术建立模型,使用麻雀搜索算法对关键参数进行优化,降低了人为因素对模型超参数选择的影响.该模型用于新疆灌溉中心试验站的玉米产量预测仿真实验,证明该模型预测性能良好,相较于传统模型,在学习速度、预测精度及鲁棒性上具有优势,可有效预测新疆北部地区春播玉米产量.     

基于ARIMA-LSTM组合模型的原油产量时序预测研究

针对现阶段油田产量预测中所出现的一些预测效果不理想的问题,开展了对全国原油产量的时序预测研究.针对全国原油2011-2020年产量所呈现出来的特点,采用一种基于时间序列自回归移动平均模型(ARIMA)结合长短期记忆网络(LSTM)组合模型的预测方法.首先,运用时间序列ARIMA模型的建模思想,对全国原油产量进行初步预测,再通过LSTM训练拟合残差并进行预测.最后将LSTM的预测结果补偿到初步预测结果中,得到组合预测值.组合模型预测结果显示,预测结果比较可靠,对预估原油产量具有一定的参考价值.     

多元统计在原煤产量预测中的应用

本文根据主成分原理,选出影响原煤产量的显著因素,通过建立原煤产量的回归模型及其影响因素的灰色模型,实现了计划期原煤产量的预测,为企业制订经营计划和组织生产提供了科学依据。     

投影寻踪模型的改进及其在城市水资源承载能力预测中的应用

在城市水资源承载能力研究中,偏最小二乘回归方法能有效地处理自变量间多重线性相关性问题,但不能较好地处理因变量与自变量间复杂的非线性问题.投影寻踪神经网络耦合模型是处理非线性问题的有力工具,而且神经网络投影寻踪耦合模型稳健性高,但不能较好地处理自变量间多重线性相关性问题.本文把这两种方法结合在一起,建立了基于偏最小二乘回归的神经网络投影寻踪耦合模型,对城市水资源承载能力进行了预测,并取得了满意效果.     

油田产量构成的多阶段多目标优化

为了确保中后期原油稳产,如何将油田总产量合理细分到各采油厂成为油田开发规划面临的重要问题.建立了油田产量构成的多阶段多目标优化模型,将油田总产量按照产量构成的类型分配给各分项产量,进一步将各分项产量分配到各采油厂.结果表明,通过多阶段优化,在确保油田总产量稳定提高的同时,油田的总成本在两个阶段都有所下降,油田效益提高;此外,油田总产量目标被细分到了各采油厂的各分项产量,为油田决策者下达具体的产量指标提供了依据,以便油厂根据自身实际优化开发指标,完成油田下达的产量任务.     

非线性回归校正模型在突变负荷预测中的研究及应用

非线性回归模型是中长期负荷预测的一种有效的方法,对常规变化趋势的负荷有很好的拟合性,但对有转折点的突变趋势或增长处于饱和阶段的负荷进行预测误差较大.通过对历史数据的最优分段,提出了非线性回归校正模型,可以很好地解决这个问题.实例表明,此模型在中长期负荷预测中是适用的,尤其对于有转折点的突变趋势,具有很高的预测精度.     

基于MCMC主成分回归分析方法的经济增长因素研究

将MCMC算法融合到主成分回归分析模型中,提出MCMC主成分回归分析方法.新方法既具有有效避免解释变量之间的多重共线性问题以及简化回归方程结构的主成分回归分析方法的优势,又能够充分利用MCMC算法的融合先验信息、模型信息及样本似然函数的长处.将方法应用于对嘉兴市1997年至201.0年的经济发展指标的数据建模分析,结果表明,方法能有效克服现有分析方法的不足,建立预测精度更高的模型.     

回归分析在殷墟墓葬分期中的应用

数理统计方法，在我国考古学中的应用，目前处于探索、研究阶段。本文试用回归方法，建立殷墟墓葬分期的多元线性回归模型，并确定出墓葬分期的预测区间。     

服装主观热感觉的统计分析

本文用多因子方差分析模型和多重比较分析了服装穿着时的主观热感觉与服装品种、环境条件、穿着者的活动状态与籍贯之间的关系。通过主成分回归建立了用生理指标预测主观热感觉的模型，从而得出一种定量地评价服装属性的方法。     

作物产量构成因素通径分析方法的再商榷

本文讨论了作物产量构成因素通径分析的方法。提出按因果关系将各因素对产量的效应剖分为多个路段，并进而计算与比较其效应总和及总决定程度。在各因素的变异较大时，对数转换后再进行通径分析才合理。     

偏最小二乘回归分析在研究进出口总额问题中的应用

在经济研究中,自变量之间以及因变量存在着较严重的多重共线性,本文采用偏最小二乘回归来建立多元线性回归模型,以消除多重共线性的影响,从而得到较满意的结果.     

我国生猪年度供给量预测研究

在运用协整检验、成本分析等方法对生猪供给量的影响因素进行分析的基础上,综合运用了回归分析、专家经验分析、指数平滑、情景预测等预测和决策方法,对我国2010-2012年的生猪年度供给量进行了预测.预测结果表明,在不发生影响生猪供给的重大突发事件的情况下,2010-2012年我国生猪产量将呈逐年上升的趋势.     

苏州外资制造业经济增长因素贡献率测算模型与分析

在经济增长因素分析中,人们常用生产函数来分析经济增长过程,测算各要素对经济增长的贡献率.本文利用柯布-道格拉斯生产函数给出苏州外资制造业经济增长的六个影响因素贡献率测算模型与分析,由于六个影响因素之间存在多重共线性,为消除多重共线性,使模型合理,本文使用主成分回归建立模型,结果令人满意。     

施肥方案对作物、蔬菜的影响

对土豆和生菜,分别建立了产量与施肥水平之间的多元二次回归模型.运用SAS/STAT 软件依次采用全回归、逐步回归和二次响应面回归.在确认模型具完美适度性基础上,进行线性相关、交互作用、最佳响应水平、强影响变量、回归曲面形状等分析.同时,将两种作物进行比较,得出一系列颇有实用价值的结论.分析结果表明:土豆的产量对 N 具有强线性依赖性,而生菜是对 P;施肥的交互作用对土豆影响较大,对生菜则无强影响;最佳施肥方案中 N,P,K 的用量土豆为292,246,542(公斤/公顷),生菜为213,667,427(公斤/公顷)对应产量为45.18和23.13吨/公顷,且均在试验范围内达到,可信性强;对土豆,强影响因子依次为 N→K→P,对生菜为 P→N→K;回归曲面上凸,沿(N,P,K)=(1,0,0)方向下降迅速.因此,施肥中应特别注意 N 的使用量.