首页> 中文学位 >灰色组合预测方法在粮食产量中的应用
【6h】

灰色组合预测方法在粮食产量中的应用

代理获取

目录

独创性声明

学位论文使用授权声明

1 绪论

1.1 问题的提出

1.1.1 世界粮食生产状况

1.1.2 我国粮食生产状况

1.2 研究意义与研究现状

1.3 本文的主要目的与研究内容

1.4 小结

2 预测方法综述

2.1 预测的概念

2.1.1 预测方法分类及基本原则

2.1.2 预测的实施步骤

2.1.3 预测性能的度量

2.2 组合预测基础知识

2.2.1 组合预测的提出

2.2.2 组合预测的基本思想和基本模型

2.2.3 组合预测的分类

2.3 组合预测方法的研究现状

2.4 组合预测模型权重的确定

2.4.1 几种常规的非最优正权组合预测模型权系数的确定方法

2.4.2 组合预测权系数确定的其他方法

3 基本理论

3.1 灰色预测模型简介

3.1.1 灰色系统理论概述

3.1.2 灰色预测方法

3.1.3 GM(1,N)模型

3.1.4 灰关联分析

3.2 马尔可夫链预测方法

3.2.1 马尔可夫链简介

3.2.2 马尔可夫链的定义

3.3 回归分析法

4 灰色马尔可夫预测模型在粮食产量预测中的应用

4.1 引言

4.2 灰色马尔可夫的建模过程

4.2.1 运用灰色GM(1,5)模型,进行建模一步预测,计算获取残差序列

4.2.2 对残差序列建立马尔可夫预测模型,预测残差值

4.3 结果分析

4.4 小结

5.基于对数灰关联度的组合模型在粮食产量预测中的应用

5.1 基于对数灰关联度的加权平均组合预测模型

5.2 单一预测模型在粮食产量中的应用

5.2.1 新陈代谢GM(1,5)模型预测

5.2.2 时间序列趋势预测模型

5.2.3 多元线性回归模型

5.3 基于对数灰关联度的加权平均组合模型的应用

5.4 小结

6 总结

6.1 主要研究结果

6.2 有待进一步研究的问题

致谢

参考文献

作者在攻读硕士学位期间发表的论文及其奖励

展开▼

摘要

随着预测技术的不断发展,关于预测的理论和方法已经有很多,但每一种单一预测模型都只是从某一个侧面去刻画数据序列的规律,都只反映序列的部分信息,都有其局限性。如果综合运用多种预测的方法进行组合预测,优势互补,最大程度地利用现有信息,就有望获得更好的预测效果。
  灰色预测模型最大的特点就是少数据建模.在信息不完全、不明确的条件下,灰色预测模型有其独特的优势。但是,灰色预测模型也有其固有的缺陷。灰色预测适合于较为平滑的数据,特别对具有单调递增趋势的序列,其预测效果好。它刻画了事物发展的趋势,但是对于随机波动较大的数据序列不能很好的刻画。因此,本文对灰色模型与其他模型的结合进行了分析和研究,建立了组合预测模型,并对我国粮食产量进行预测。主要研究内容和结果如下:
  1.考虑到影响粮食产量的因素之多,本文通过灰色关联分析理论,分析并计算粮食总产量与各影响因素之间的灰色关联度,然后对其进行排序,选择关联度较大的因素作为相关因素构建灰色GM(1,N)模型。
  2.灰色预测模型只能描绘出事物发展趋势,马尔可夫预测模型适用于随机波动的数据序列。运用马尔可夫模型去挖掘数据所包含的整体波动信息,并用它去修正灰色预测模型的预测结果,建立灰色马尔可夫模型(GMM)模型来提高预测的精度。
  3.将灰色新陈代谢GM(1,5)模型、多元线性回归模型和时间序列趋势模型优化组合,建立了基于对数灰关联度的加权几何平均组合预测模型。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号