|本期目录/Table of Contents|

[1]樊超,郭亚菲,曹培格,等.基于灰色-马尔科夫模型的粮食产量预测[J].江苏农业科学,2018,46(09):346-349.
 Fan Chao,et al.Grain yield prediction based on Grey-Markov model[J].Jiangsu Agricultural Sciences,2018,46(09):346-349.
点击复制

基于灰色-马尔科夫模型的粮食产量预测(PDF)
分享到:

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第46卷
期数:
2018年09期
页码:
346-349
栏目:
农业经济与管理
出版日期:
2018-05-05

文章信息/Info

Title:
Grain yield prediction based on Grey-Markov model
作者:
樊超 郭亚菲 曹培格 杨铁军
河南工业大学信息科学与工程学院,河南郑州 450001
Author(s):
Fan Chaoet al
关键词:
粮食产量灰色模型马尔科夫模型预测准确性误差
Keywords:
-
分类号:
S11+7
DOI:
-
文献标志码:
A
摘要:
为提高粮食产量预测的准确性,针对我国粮食产量数据的特点,提出基于马尔科夫的新陈代谢灰度模型对我国粮食年产量进行短期精准预测。该方法首先利用传统灰色模型对产量进行预测,并计算预测误差,通过对误差序列灰色建模修正产量预测数据;其次,通过粮食年产量预测精度,将年产量数据划分成若干状态,进而得到各阶状态转移概率矩阵及历年产量对未来年份粮食产量的影响权重;最后通过建立新陈代谢灰度模型对未来年份的粮食产量进行预测。结果表明,在使用2000—2010年年粮食产量数据对2011—2015年年粮食产量进行预测时,预测误差均小于0.40%,平均误差低至0.19%,能够实现粮食产量的短期精准预测。
Abstract:
-

参考文献/References:

[1]李卫国,王纪华,赵春江,等. 基于遥感信息和产量形成过程的小麦估产模型[J]. 麦类作物学报,2007,27(5):904-907.
[2]王桂芝,胡慧,陈纪波,等. 基于BP滤波的Fourier模型在粮食产量预测中的应用[J]. 中国农业气象,2015,36(4):472-478.
[3]陈锡康,杨翠红. 投入占用产出技术在全国粮食产量预测及乡镇企业中的应用[J]. 中国科学基金,2003,17(3):149-152.
[4]王春辉,周生路,吴绍华,等. 基于多元线性回归模型和灰色关联分析的江苏省粮食产量预测[J]. 南京师大学报(自然科学版),2014,37(4):105-109.
[5]林芳. 灰色神经网络在粮食产量预测中的应用[J]. 计算机仿真,2012(4):225-228.
[6]王惠婷. 基于混合时间序列模型的粮食产量预测[J]. 统计与决策,2013(12):23-25.
[7]陈晨,吴海云,田燕红,等. 基于支持向量回归机的粮食产量预测研究[J]. 山西农业大学学报(自然科学版),2013,33(4):357-361.
[8]杨铁军,杨娜,朱春华,等. 一种新的基于ARIMA模型的粮食产量预测[J]. 河南工业大学学报(自然科学版),2015,36(5):19-22.
[9]杨克磊,张振宇,和美. 应用灰色GM(1,1)模型的粮食产量预测研究[J]. 重庆理工大学学报(自然科学版),2015,29(4):124-127.
[10]邹慧,徐波. 改进的灰色——马尔科夫模型及其在沉降预测中的应用研究[J]. 工程勘察,2016,44(3):64-68.

相似文献/References:

[1]李磊,谢小璐.工业污染与城镇化对粮食产量影响的灰色分析——以江苏省为例[J].江苏农业科学,2013,41(06):393.
 Li Lei,et al.Gray analysis on influence of industrial pollution and urbanization on grain outputs—Taking Jiangsu Province as an example[J].Jiangsu Agricultural Sciences,2013,41(09):393.
[2]李治国,陆贤东,管相荣.1982—2011年旱灾对中国粮食产量影响研究[J].江苏农业科学,2014,42(08):426.
 Li Zhiguo,et al.Study on effect of drought on Chinas grain output in the past 30 years[J].Jiangsu Agricultural Sciences,2014,42(09):426.
[3]林克涛,朱朝枝,陈如凯.基于灰色模型的中国甘蔗产业生态服务价值预测[J].江苏农业科学,2016,44(04):505.
 Lin Ketao,et al.Forecasting on ecological service value of Chinas sugarcane industry based on grey model[J].Jiangsu Agricultural Sciences,2016,44(09):505.
[4]张杰,刘丹,诸叶平,等.基于ESDA的乡镇粮食产量空间特征分析——以河北省石家庄市为例[J].江苏农业科学,2015,43(08):466.
 Zhang Jie,et al.Spatial feature analysis of township grain yield based on ESDA-Taking Shijiazhuang City of Hebei Province as an example[J].Jiangsu Agricultural Sciences,2015,43(09):466.
[5]赵玉姝,焦 源,高 强.山东省粮食生产影响因素实证分析[J].江苏农业科学,2015,43(07):479.
 Zhao Yushu,et al.Empirical analysis of factors influencing grain production in Shandong Province[J].Jiangsu Agricultural Sciences,2015,43(09):479.
[6]王新华.基于面板数据模型的湖北省粮食产量影响因素实证研究[J].江苏农业科学,2015,43(07):482.
 Wang Xinhua.Empirical study on determinants of grain output based on panel data model in Hubei Province[J].Jiangsu Agricultural Sciences,2015,43(09):482.
[7]宁万光,谢瑛,史洪中,等.信阳水稻稻瘟病发生规律及基于灰色预测模型的预测预报[J].江苏农业科学,2014,42(06):102.
 Ning Wanguang,et al.Occurrence of rice blast in Xinyang and its forecast based on grey forecasting model[J].Jiangsu Agricultural Sciences,2014,42(09):102.
[8]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.
 Fan Chao,et al.Prediction model of grain production based on wavelet transformation and a GM-ANN model[J].Jiangsu Agricultural Sciences,2016,44(09):390.
[9]汪发元.主要农业生产要素对粮食产量的影响——基于湖北省19年统计数据的分析[J].江苏农业科学,2016,44(12):636.
 Wang Fayuan,et al.Effect of main agricultural production factors on grain output—Based on data analysis of 19 years in Hubei Province[J].Jiangsu Agricultural Sciences,2016,44(09):636.
[10]柳芬,谢世友,冯欢,等.四川省粮食产量影响因素的动态关联分析[J].江苏农业科学,2017,45(10):320.
 Liu fen,et al.Dynamic correlation analysis of factors influencing grain yield in Sichuan Province[J].Jiangsu Agricultural Sciences,2017,45(09):320.

备注/Memo

备注/Memo:
收稿日期:2016-11-30
基金项目:河南省科技攻关项目(编号:162102210198);国家粮食公益项目(编号:201413001);河南省自然科学基金面上项目(编号:162300410062)。
作者简介:樊超(1976—),男,河南郑州人,博士,副教授,主要从事粮食信息处理研究。Tel:(0371)67756840;E-mail:anfan2003@163.com。
更新日期/Last Update: 2018-05-05