吉林省科技发展计划基金(20100181)
- 作品数：3 被引量：13H指数：3
- 相关作者：徐兴梅曹丽英周翠娟陈桂芬赵月玲更多>>
- 相关机构：吉林农业大学更多>>
- 发文基金：吉林省教育厅“十二五”科学技术研究项目吉林省科技发展计划基金更多>>
- 相关领域：自动化与计算机技术农业科学经济管理更多>>
- 基于粗糙集和BP神经网络的粮食产量预测研究被引量：6
- 2014年
- 为提高粮食产量的预测精度,提出一种基于粗糙集和BP神经网络的粮食产量预测方法。该方法以吉林省粮食总产量的历史数据作为研究对象,利用粗糙集理论的属性约简特性,识别与粮食产量相关性较大的影响因素,剔除非主要影响因素,利用约简后数据建立RSBP神经网络预测模型。结果表明,粗糙集理论能有效减少数据的维数及噪声,减少神经网络的计算量,结合两种方法能有效提高预测速度和精度。
- 徐兴梅曹丽英
- 关键词：粗糙集属性约简BP神经网络
- 基于聚类分析与时序算法的玉米测产模型被引量：4
- 2012年
- 以每公顷玉米产量数据序列为分析处理对象,对玉米产量的时间序列进行了预测分析。结合线性回归分析技术和聚类分析理论,采用分层聚类算法与AR时序算法相融合的方法,探明影响玉米产量的主要因素,确定分层聚类方案,建立一个基于聚类分析的玉米产量AR时序模型,并对2005—2009年的玉米产量进行了预测。聚类分析后模型预测结果的误差值大多数<5%。
- 徐兴梅周翠娟陈桂芬
- 关键词：聚类分析AR模型玉米产量
- 基于灰色系统理论和AR时序算法的吉林省粮食产量预测被引量：3
- 2014年
- 为了提高粮食产量的预测精度,解决粮食产量预测中的多属性决策问题,将吉林省粮食产量数据作为研究对象,根据灰色关联度分析结果,确定了粮食播种面积、农村人均居住面积、大牲畜年底头数、农村用电量和化肥施用量等因素为影响吉林省粮食产量的主要因素,分别构建了灰色GM(1,N)模型和自回归(AR)模型,并对2009-2012年吉林省粮食产量进行了预测。预测结果表明,使用GM(1,N)模型的预测平均误差为5.443 1%,使用AR模型的预测平均误差为4.234 6%。通过对比分析,对于粮食产量多属性决策问题,AR模型具有更高的预测精度,可用于吉林省粮食产量的预测。
- 徐兴梅曹丽英赵月玲
- 关键词：AR模型GM(1,N)模型多属性决策
