- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
江苏农业科学年第卷第期樊超杨静杨铁军等基于小波变换灰度模型人工神经网络组合的粮食产量预测模型江苏农业科学基于小波变换灰度模型人工神经网络组合的粮食产量预测模型樊超杨静杨铁军傅洪亮河南工业大学信息科学与工程学院河南郑州摘要由于粮食生产受到社会经济和气候等多方面因素的影响造成粮食产量序列的复杂性随机性和非平稳性为了准确预测粮食产量提出基于小波变换的灰度模型反演神经网络神经网络是人工神经网络的一种相结合的预测方法首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列然后针对各序列使用灰色模型建立
— 390— 江苏农业科学 2016年第44卷第12期
樊 超,杨 静,杨铁军,等.基于小波变换灰度模型-人工神经网络(GM-ANN)组合的粮食产量预测模型[J].江苏农业科学,2016,44
(12):390-393.
doi:10.15889/j.issn.1002-1302.2016.12.120
基于小波变换灰度模型-人工神经网络(GM-ANN)
组合的粮食产量预测模型
樊 超,杨 静,杨铁军,傅洪亮
(河南工业大学信息科学与工程学院,河南郑州450001)
摘要:由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳
性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络
(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对
各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修
正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精
度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。
关键词:粮食产量;小波变换;灰度模型;BP神经网络;预测
中图分类号:S11 文献标志码:A 文章编号:1002-1302(2016)12-0390-04
粮食安全不仅关系国计民生,而且直接影响着社会稳定 势;同时,粮食产量波动频率较高,平均每2~3年就会出现1
和经济发展,“无粮则不稳”,粮食生产是粮食安全的基石。 次负增长,说明粮食产量的波动系数较大。根据单位根检测,
目前,我国面临着人口多、耕地少且可耕地面积仍面临着年年 判定该序列是1个非平稳序列。
萎缩的状况,严重影响国家的粮食安全。为此,研究粮食产量 小波变换是在傅里叶变换基础上发展起来的信号处理方
的变化规律并对其发展趋势作出准确预测,对于保障国家粮 法,信号通过逐层小波分解后,可以得到信号在不同频率上的
食安全、指导政府部门制定科学的发展规划和政策具有重要 分量,对信号起到平滑作用的同时,还能将非平稳信号转换成
的意义。 为若干平稳信号,这样就可以使用传统的预测方法对平稳序
由于粮食生产受到社会、经济和气候等多种因素的影响, 列进行预测,最后通过合成得到原始信号的预测值。
导致粮食产量预测成为复杂的农学和统计学问题。为了准确
[1]
预测粮食产量,目前普遍采用遥感技术预测模型 、统计动
[2] [3]
力学生长模型 、气象产量预测模型 以及基于自回归滑动
平均模型(ARMA)和灰度理论等的时间序列预测等方
[4-7]
法 。这些方法虽然在一定程度上能够对粮食产量作出预
测,但均不同程度地存在所需数据量大、预测成本高以及预测
精度不理想等缺点。
为此,本研究考虑到粮食产量受到多种因素叠加共同影
响,具有多分性、复杂性和非平稳性的特点。而小波变换可以
将非平稳信号分解成若干不同频率分量,具有信号平滑的作
用,进而改善信号的稳定性[8-9],提高粮食产量的预测精度。
为了分开粮食产量序列中的低频和高频成分,本研究采
1 粮食产量序列的小波变换
用Mallat小波分解算法,其分解过程见图2。
本研究采用 1978—2010年共33年全国粮食产量数据
X(k)作为研究对象,其数据趋势见图1,可见粮食产量呈现波
动增长的趋势,并且在1998—2003年间呈现较大的负增长趋
收稿日期:2015-11-10
基金项目:国家粮食公益项目(编号:201413001)。
作者简介:樊 超(1976—),男,河南郑州人,博士,副教授,主要从事
您可能关注的文档
- 基于多峰hubbert模型的可再生能源产量趋势分析.pdf
- 基于多曝光的高动态图像合成的噪声处理.pdf
- 基于二端口网络模型的pi-阻尼控制研究 - 常州大学学报.pdf
- 基于非凸低秩稀疏约束的船舶交通流量预测 - 计算机应用研究.pdf
- 基于改进蚁群算法的梯式轨道多目标优化研究 - 计算机工程与应用.pdf
- 基于高校学生公寓的消防安全管理研究 - 沈阳建筑大学学报.pdf
- 基于功能截面分解的大型横梁拓扑优化 - 中国机械工程.pdf
- 基于各向异性太阳辐射的遮阳控制策略研究 - 西安建筑科技大学学报.pdf
- 基于骨架驱动的网格模型变形方法 - 江苏大学.pdf
- 基于广义预测pid 的高速电梯水平振动主动控制研究.pdf
文档评论(0)