基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型

《 基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型基于時(shí)間序列模糊分析的作用產(chǎn)量多層遞階預(yù)測(cè)模型1991年第1期廣西氣蠢GUANGXIQIXIANG.35.基于時(shí)間序列模糊分析的作物產(chǎn)量多層遞階預(yù)測(cè)模型劉流甘一忠(柳卅f地區(qū)氣象局農(nóng)業(yè)氣象試驗(yàn)站)一,號(hào)f言目前農(nóng)作物產(chǎn)量的統(tǒng)計(jì)預(yù)報(bào)一般都采用線性多元回歸方法,業(yè)務(wù)實(shí)踐證明,以這種經(jīng)典回歸統(tǒng)計(jì)方法作產(chǎn)量預(yù)測(cè),效果常常不夠穩(wěn)定,特別是隨外延預(yù)

2、報(bào)年限的增加,誤差會(huì)明顯增大.其重要原因之一,是以尉定參數(shù)的回歸模型預(yù)報(bào)動(dòng)態(tài)的時(shí)變系統(tǒng),從而造成較大誤差針對(duì)返一問題,文獻(xiàn)[】]提出了動(dòng)態(tài)系統(tǒng)的多層遞階預(yù)報(bào)方法,即:在時(shí)間序列分析的基礎(chǔ)上,充分考慮動(dòng)態(tài)系統(tǒng)的對(duì)變特性,首先以時(shí)坷序列分析方法對(duì)具有時(shí)變特性的模型參數(shù)作出向前一步的時(shí)變參數(shù)預(yù)撤,以此模擬系統(tǒng)的動(dòng)態(tài)性,建立預(yù)報(bào)模型.它在一定程度上彌補(bǔ)經(jīng)典回歸模型由固定參數(shù)模擬而產(chǎn)生的缺陷.但在實(shí)際痘用中我們往往可以發(fā)現(xiàn),以時(shí)間序列分析方法進(jìn)行時(shí)變參數(shù)預(yù)報(bào)時(shí),由于時(shí)變參數(shù)序列I本身的自回歸特性不明顯,給參數(shù)預(yù)報(bào)造成困難,影響多層遞骱模型的預(yù)報(bào)效果.就此問題,本文以模糊數(shù)

3、學(xué)方法對(duì)時(shí)間序列進(jìn)行了處理比較試驗(yàn).結(jié)果表明,處理后的模型預(yù)報(bào)效果要比未處理的精度有較明顯的提高.二,多層遞階方法基本原理基本數(shù)學(xué)模型:kmY(t)=∑ai(t)xi(t)+∑8j(t)Yi=1j=l<tj)+￡(t)………………(1)式中,Y(t)為預(yù)測(cè)輸出,i(t),Bi(t)為時(shí)變參數(shù),K為因子個(gè)數(shù),121為自回歸階數(shù),e(t)為隨機(jī)燥聲,t為離散的流動(dòng)時(shí)間.時(shí)變參數(shù)ai(t),Bj(t)均為未知值.令時(shí)變參數(shù)為0(t),(1)式可簡(jiǎn)寫為:Y(t)=f[Y一l,0(t).t]+e(t)………………(2)時(shí)變參數(shù)估算值9(t隨時(shí)間的跟蹤公式為:0j(t

4、)=0i(t一1)i;0【(t一1)f[yt.1,0i(t一1).t]II?{y(t)一f[y一,0【(t-1),t])…(3)其中6t為常數(shù),時(shí)變參數(shù)初始值0(0)可以致回歸系數(shù),或者用其他方法求出.<,8式不考慮自回歸部份時(shí),時(shí)變參數(shù)遞推算法公式為:0j(t)=0i(t一1)+xi(t)?[y(t)kIk=∑xi(t).0i(t—j)]’∑xi(t)i=1i’=1…………?…??…(41由入選的建模因子實(shí)測(cè)值,用(3)或(4)式可求出時(shí)變參數(shù)估計(jì)系列時(shí)間序剝0(1),0(2)………,9(N),并由此系列栗用自回歸(AR)或其他合適方法得出向前一步的時(shí)變

5、參數(shù)預(yù)測(cè)值0(t+1),構(gòu)造出多層遞階預(yù)測(cè)模型.向前～步的動(dòng)態(tài)系統(tǒng)輸出模型為:Y(t+1)=f[Y(t)+0(t+1),t+1]+e(t)………………………(5)三,試測(cè)實(shí)例以廣西鹿寨縣春玉米產(chǎn)量預(yù)報(bào)為例..資‘36’廣西氣象GUANGXIQIXIANG~o1.12,NO.1料年代:I957—1989年.由社會(huì)產(chǎn)量分離出時(shí)間趨勢(shì)產(chǎn)量和氣候產(chǎn)量,經(jīng)逐步回歸初選出影響氣候產(chǎn)量灼因子①4月上旬降水,②4月中旬均溫J③5月上一中旬平均氣溫J④6月中下旬均溫.(一)各因子序列的模糊處理”.1,取初選出的因子系列序~r]Xi,并以其實(shí)數(shù)域?yàn)檎撚騌,則Xieg(R),=(xi

6、>為模糊分布視原時(shí)間序列的相 01(t+t):0.2961—1.392201(t-1)一0.749601(t-2)^^02(t+1)=0.1438—0.978282(t一1)一0.45400(t一2)一0.264402(t一3)^^03(t+1)=O.4732—1.2327e3(t一1)一0.5983e3(t一2)+O.1594e3(t-6(三)多層遞階輸出橫型廈磺報(bào)精度比較對(duì)于本例,設(shè)置多層遞階輸出模型:y(t)={i(t)?ei(t)+e(t)……-?.(10)其中(t)為曼(t)的轉(zhuǎn)置,即,,…x(t)=[x1¨,,].-…..-………………-?……

7、-……--…(9)向前一步的多層遞階輸出模型則為:^y(t+1)=xi(t~1)0i(t+1)….….-(11)以(11)式結(jié)合時(shí)間趨勢(shì)產(chǎn)量項(xiàng),即可作出產(chǎn)量預(yù)報(bào).表3給出率模型與其他方法構(gòu)造的模型之預(yù)報(bào)試報(bào)精度比較結(jié)果囊3試報(bào)精度比較(單位l餐廳),目I模糊處理多層謹(jǐn)階法一般多層遞階方法經(jīng)典鄉(xiāng)元回歸方法預(yù)刪值誤差67.1.783.9;2.2誤差————10.05.0通過比較可知,用模糊數(shù)學(xué)方法處理后的多層遞階模型的預(yù)測(cè)精度要比經(jīng)典多元回歸模型提高,而一般的多層遞階方法,若時(shí)間序列的平穩(wěn)性差,用AR”法預(yù)測(cè)時(shí)變參數(shù)時(shí)往往效果不理想,使模型的預(yù)澳I精度不容易提高.四

8、,討論l,產(chǎn)量預(yù)報(bào)試驗(yàn)表