GM(1,N)灰色系统与BP神经网络方法的粮食产量预测比较研究

基于国家粮食安全预警系统的开发项目,针对我国粮食年产量预测中精度差和波动大的问题,分析了逐步回归、BP神经网络和GM(1,N)灰色系统3种常用预测方法的预测能力。根据能够计量和具有农学意义2个原则,选择了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积等12个重要的粮食年产量影响因子,用上述3种方法构建预测模型。在建模样本相同的情况下,结果显示,BP神经网络方法5年期拟合平均相对误差为1.44%,连续5年逐年预测平均相对误差可达到2.89%,这2个性能均优于其他2种方法,可以较好地应用于粮食安全预警系统,笔者最后探讨了对BP神经网络进一步优化的方法。

3种不同方法对肉牛胴体性状预测能力的比较研究

本研究为了寻求一种对肉牛胴体性状预测准确性较高的方法,运用DPS数据处理系统和SAS软件比较偏最小二乘回归、GM(1,N)灰色系统和BP神经网络3种常用的预测模型对肉牛胴体性状的预测能力。选择肉牛7个宰前生长性状(体高、体长、胸围、腹围、管围、宰前活体质量、平均日增体质量),对2个重要的胴体性状(胴体质量和净肉质量)进行预测。结果表明:偏最小二乘回归方法在肉牛胴体性状预测方面准确性最高;GM(1,N)灰色系统和BP神经网络预测准确度偏低。本研究还将3种预测结果相结合,取其均值,大大提高了预测的准确性。这一研究将为肉牛生产实践提供一定的科学参考。

北京市生活垃圾产生量预测方法的比较分析

依据北京市1991-2006年的生活垃圾产生量及其相关影响因子,运用多元线性回归法、灰色模型、BP神经网络3种预测模型进行了模拟,并预测了北京市2007年和2010年的垃圾产生量,通过绝对百分误差（MAPE）等指标比较了预测精确度。结果表明,BP神经网络综合考虑了各种因素的影响,较前两者的拟合和预测精度高。