農(nóng)業(yè)是國民經(jīng)濟的基礎(chǔ),糧食產(chǎn)量是糧食安全保障的一個重要組成部分,因此糧食產(chǎn)量預測也成為了一個重要的研究課題,采用合理的方法和模型預測糧食產(chǎn)量變化趨勢十分重要。針對我國糧食產(chǎn)量數(shù)據(jù)的特點,從兩方面對糧食產(chǎn)量預測進行研究。一方面從影響因子入手,建立描述糧食產(chǎn)量與影響因子間的映射關(guān)系,提出了兩種組合預測模型,模型一首先通過灰關(guān)聯(lián)篩選出影響因子,其次,根據(jù)影響因子與糧食產(chǎn)量數(shù)據(jù)之間的非線性特點,建立BP神經(jīng)網(wǎng)絡模型,并采用粒子群算法對其權(quán)值進行優(yōu)化,最后得到預測值。模型二首先計算影響因子與糧食產(chǎn)量間的相關(guān)系數(shù),其次,利用主成分分析構(gòu)建影響因子主要成分,最后建立主要成分與糧食產(chǎn)量數(shù)據(jù)的極限學習機模型,從而得到預測值。另一方面從單一的糧食產(chǎn)量時間序列上入手,建立時間序列模型。針對糧食產(chǎn)量的數(shù)據(jù)具有復雜性、隨機性和非平穩(wěn)性的特點,提出了在小波變換的基礎(chǔ)上,結(jié)合GM（1,1）模型與ARIMA模型的優(yōu)點,建立了GM（1,1）-ARIMA組合預測模型。針對小波分解后各分量序列的不同特征,采用灰色GM（1,1）模型對近似分量進行趨勢預測,然后采用ARIMA預測模型對細節(jié)分量進行預測;最后通過小波重構(gòu)得到產(chǎn)量... 

【文章來源】：河南工業(yè)大學河南省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

BP神經(jīng)網(wǎng)絡模型

PSO-BP神經(jīng)網(wǎng)絡預測模型流程圖

1985 1990 1995 2000 2005 year圖 4 主成分 ， 和 對糧食產(chǎn)量的影習機糧食產(chǎn)量預測算法e Learning Machine, ELM）是一種新穎統(tǒng)的單隱層神經(jīng)網(wǎng)絡，只需要在 ELM 法過程中不需要對網(wǎng)絡的輸入權(quán)值和隱M 既能保證較快的學習速度，又具有較

【參考文獻】：
期刊論文
[1]氣候變化視角下我國糧食生產(chǎn)率增長及其影響因素分析[J]. 劉戰(zhàn)偉.  南方農(nóng)業(yè)學報. 2019(02)
[2]不同灰色GM（1,1）模型在地鐵沉降預測中的效果分析[J]. 成樞,馮子帆,郭祥琳,邱建.  測繪地理信息. 2019(01)
[3]糧食制度改革和宏觀調(diào)控等時代大背景下糧食行業(yè)的生存與發(fā)展探析[J]. 何志瑾.  糧食科技與經(jīng)濟. 2018(12)
[4]灰色預測GM（1,1）模型應用現(xiàn)狀與展望[J]. 孔雪,王麗,馮益華.  齊魯工業(yè)大學學報. 2018(06)
[5]改進粒子群優(yōu)化BP神經(jīng)網(wǎng)絡糧食產(chǎn)量預測模型[J]. 宗宸生,鄭煥霞,王林山.  計算機系統(tǒng)應用. 2018(12)
[6]利用ARIMA模型預測浙江省GDP增長情況[J]. 管超宇.  科技經(jīng)濟導刊. 2018(35)
[7]基于灰色模型的全國棉花產(chǎn)量預測方法研究[J]. 梁后軍,謝睿,馮宜強,周萬懷,常郝,李浩,劉從九,徐守東.  中國纖檢. 2018(07)
[8]河南省糧食產(chǎn)量預測方法研究[J]. 陳全潤,楊翠紅.  系統(tǒng)科學與數(shù)學. 2018(07)
[9]糧食政策實施及其效應波及:2013～2017年[J]. 蔣和平.  改革. 2018(02)
[10]基于多元回歸對糧食產(chǎn)量的研究[J]. 陸玉玲,謝錢姣,朱家明,李德政.  黑龍江工業(yè)學院學報(綜合版). 2017(06)

碩士論文
[1]基于時間序列分析技術(shù)的預測模型設(shè)計與應用[D]. 莫增文.中國科學院大學（工程管理與信息技術(shù)學院） 2014



本文編號：3374392