安徽农业科学
安徽農業科學
안휘농업과학
JOURNAL OF ANHUI AGRICULTURAL SCIENCES
2014年
16期
5142-5145
,共4页
王宝红%康永辉%黄伟军%孙凯%解建仓
王寶紅%康永輝%黃偉軍%孫凱%解建倉
왕보홍%강영휘%황위군%손개%해건창
ARIMA模型%Elman神经网络%小波网络分析%熵权%年降雨量%组合预测
ARIMA模型%Elman神經網絡%小波網絡分析%熵權%年降雨量%組閤預測
ARIMA모형%Elman신경망락%소파망락분석%적권%년강우량%조합예측
ARIMA model%Elman neural network%Wavelet network analysis%Entropy weight%Annual rainfall%Combination forecasting
鉴于单一预测模型在建模时预测值比实际值存在较大偏差问题,为了提高预测精度,在此首先采用自回归综合移动平均ARIMA模型(简称A模型)、Elman神经网络模型(简称B模型)、小波网络分析模型(简称C模型)、灰色系统GM(1,1)模型(简称D模型),利用广西田东县1990~ 2007年的年降雨量分别进行了模拟计算,然后在各单一模型预测(拟合)的年降雨量偏差值基础上,应用熵权法对4种模型的偏差值进行客观赋权后优化组合,并根据最优组合结果,选用A、B、C单一模型和最优选的A-B-C优化组合模型对广西田东县2008~ 2010年的年降雨量进行预测对比.结果表明,A、B、C和A-B-C模型得到的均方根误差RMSE和模型效率EF分别为0.018、0.015、0.017、0.013和0.817、0.877、0.843、0.897,优化组合模型的预测精度和拟合度比单一模型的结果得到了提高和改善,该组合方法提高了年降水量的预测精度,为诸如广西田东县以雨养农业为主的区域农业干旱预报提供了新的方法和依据.
鑒于單一預測模型在建模時預測值比實際值存在較大偏差問題,為瞭提高預測精度,在此首先採用自迴歸綜閤移動平均ARIMA模型(簡稱A模型)、Elman神經網絡模型(簡稱B模型)、小波網絡分析模型(簡稱C模型)、灰色繫統GM(1,1)模型(簡稱D模型),利用廣西田東縣1990~ 2007年的年降雨量分彆進行瞭模擬計算,然後在各單一模型預測(擬閤)的年降雨量偏差值基礎上,應用熵權法對4種模型的偏差值進行客觀賦權後優化組閤,併根據最優組閤結果,選用A、B、C單一模型和最優選的A-B-C優化組閤模型對廣西田東縣2008~ 2010年的年降雨量進行預測對比.結果錶明,A、B、C和A-B-C模型得到的均方根誤差RMSE和模型效率EF分彆為0.018、0.015、0.017、0.013和0.817、0.877、0.843、0.897,優化組閤模型的預測精度和擬閤度比單一模型的結果得到瞭提高和改善,該組閤方法提高瞭年降水量的預測精度,為諸如廣西田東縣以雨養農業為主的區域農業榦旱預報提供瞭新的方法和依據.
감우단일예측모형재건모시예측치비실제치존재교대편차문제,위료제고예측정도,재차수선채용자회귀종합이동평균ARIMA모형(간칭A모형)、Elman신경망락모형(간칭B모형)、소파망락분석모형(간칭C모형)、회색계통GM(1,1)모형(간칭D모형),이용엄서전동현1990~ 2007년적년강우량분별진행료모의계산,연후재각단일모형예측(의합)적년강우량편차치기출상,응용적권법대4충모형적편차치진행객관부권후우화조합,병근거최우조합결과,선용A、B、C단일모형화최우선적A-B-C우화조합모형대엄서전동현2008~ 2010년적년강우량진행예측대비.결과표명,A、B、C화A-B-C모형득도적균방근오차RMSE화모형효솔EF분별위0.018、0.015、0.017、0.013화0.817、0.877、0.843、0.897,우화조합모형적예측정도화의합도비단일모형적결과득도료제고화개선,해조합방법제고료년강수량적예측정도,위제여엄서전동현이우양농업위주적구역농업간한예보제공료신적방법화의거.