• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Research journal of applied science, engineering and technology >Prediction of Chinese per Capita Grain Yield Base on Residual Modification GM (1,1) Model
【24h】

Prediction of Chinese per Capita Grain Yield Base on Residual Modification GM (1,1) Model

机译：基于残差修正GM（1,1）模型的人均粮食产量预测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To build effective grain yield prediction system and predict its trend scientifically, this study, on the basis of statistics, prognostics and agricultural economics, explains and functions grey system theory. As a new method, grey system still has many shortages. On the basis of comparison in correlative prediction, we propose GM (1,1) grey prediction method by modifying ends to improve predictive precisions. Besides, combining with historic data during 2000-2009, predict, summary and propose the research future. Research indicates, whether theoretic basis or practice, grey model is more useful and convenient. It predicts the yield in future 5 years, the increasing speed will decrease. The increasing yield is 5-6 kilos per person, less than 8-10 kilos per person during 2003-2009. Surely, grain industry includes many son industries, such as rice, corn and wheat. The biggest son industry should be found to give different financial support, in order to eliminate errors. The innovation is to solve time responding function and incandesce equation of end residual sequence of GM (1, 1) model, to eliminate error. Besides, analyze practical examples to indicate its value in economic prediction and provide references for relative areas.
机译：为了建立有效的谷物产量预测系统并科学地预测其趋势，本研究在统计学，预测学和农业经济学的基础上，对灰色系统理论进行了解释并发挥了作用。作为一种新方法，灰色系统仍然存在很多不足。在相关预测的比较基础上，我们提出了通过修正末端来提高预测精度的GM（1,1）灰色预测方法。此外，结合2000-2009年的历史数据，进行预测，总结和提出研究的未来。研究表明，无论是理论基础还是实践，灰色模型都更加有用和方便。它预测未来5年的产量，增长速度将下降。增加的产量为每人5-6公斤，而在2003-2009年间则为每人8-10公斤。当然，谷物工业包括许多子行业，例如大米，玉米和小麦。应该发现最大的子行业提供不同的财务支持，以消除错误。创新之处在于求解时间响应函数和GM（1，1）模型末端残差序列的简化方程，以消除误差。此外，还通过分析实例说明其在经济预测中的价值，并为相关领域提供参考。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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