• 论文 • 上一篇    下一篇

 河南省粮食产量预测方法研究

陈全润1,杨翠红2,3   

  1. 1. 对外经济贸易大学统计学院,北京 100029; 2. 中国科学院数学与 系统科学研究院,北京 100190; 3. 中国科学院大学,北京 100049
  • 出版日期:2018-07-25 发布日期:2018-10-12

陈全润,杨翠红.  河南省粮食产量预测方法研究[J]. 系统科学与数学, 2018, 38(7): 813-822.

CHEN Quanrun, YANG Cuihong. Grain Output Forecasting for Henan Province[J]. Journal of Systems Science and Mathematical Sciences, 2018, 38(7): 813-822.

Grain Output Forecasting for Henan Province

CHEN Quanrun1 ,YANG Cuihong 2,3   

  1. 1. University of International Business and Economics, Beijing 100029; 2. Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190; 3. University of Chinese Academy of Sciences, Beijing 100049
  • Online:2018-07-25 Published:2018-10-12

文章对河南省粮食产量预测方法进行研究.针对河南省粮食产量时间序列表现出的时间趋势性、气象变化敏感性、事件影响敏感性的特点,建立了一套综合考虑趋势、气象、事件等因素的河南省粮食产量预测方法.该方法从多个角度建立了不同的预测模型,最终预测结果通过模型平均得到.从2011--2017年的实际预测效果来看,该预测方法的预测精度较高.

The grain output forecasting method for Henan province is studied in this paper. The grain output time series of Henan province shows characteristics of trend, weather sensitivity and event sensitivity. Considering these distinct characteristics, a grain output forecasting method for Henan province is developed, which integrates trend, weather, events and other factors. This method develops several forecasting models from different perspectives. The reported forecast is obtained by model averaging. Empirical study shows that this method performs quite well in Henan's grain output forecasts for period 2011--2017.

()
[1] 余世明, 李壮, 陈龙, 何德峰. 可扩展非线性异构车队系统分布式模型预测控制[J]. 系统科学与数学, 2021, 41(3): 602-614.
[2] 白娟娟, 师荣蓉. 基于广义已实现测度的中国股市波动预测与 VaR 度量[J]. 系统科学与数学, 2021, 41(3): 653-666.
[3] 叶菲菲, 杨隆浩, 王应明. 基于不同联合学习方法的扩展置信规则库环境治理成本预测[J]. 系统科学与数学, 2021, 41(3): 705-729.
[4] 孙会霞,倪宣明,钱龙,赵慧敏. 基于长期CVaR约束的高频投资组合优化[J]. 系统科学与数学, 2021, 41(2): 344-360.
[5] 王勇,刘莹,张娜. 基于奇异谱分析的旅游人数集成预测模型的研究与应用:以中国为例[J]. 系统科学与数学, 2020, 40(9): 1628-1643.
[6] 宋娟,倪志伟,李萍,伍章俊,彭鹏. 基于参数优化深度置信网络的雾霾预测模型[J]. 系统科学与数学, 2020, 40(9): 1644-1661.
[7] 陆文星,戴一茹,李楚,李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
[8] 夏平凡,倪志伟,朱旭辉. 基于烟花进化人工鱼群算法和多重分形的属性选择 方法的应用[J]. 系统科学与数学, 2020, 40(7): 1157-1177.
[9] 李萍,倪志伟,朱旭辉,宋娟. 基于改进萤火虫算法的SVR空气污染物浓度预测模型[J]. 系统科学与数学, 2020, 40(6): 1020-1036.
[10] 张大斌,蔡超敏,凌立文,陈善盈. 基于CEEMD与GA-SVR的猪肉价格集成预测模型[J]. 系统科学与数学, 2020, 40(6): 1061-1073.
[11] 高研,周建红,王海涛,张焕焕. 基于Jackknife模型平均方法的中国港口集装箱吞吐量预测[J]. 系统科学与数学, 2020, 40(4): 729-737.
[12] 何琳洁,伍以加,戴娟. 低价揽客、分析师盈余预测与审计质量-----基于中国资本市场的经验证据[J]. 系统科学与数学, 2020, 40(3): 469-484.
[13] 蔡光辉,应雪海. 基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测[J]. 系统科学与数学, 2020, 40(3): 521-546.
[14] 牟唯嫣,王春玲,赵昕. 基于空间填充准则的交叉验证方法及其应用[J]. 系统科学与数学, 2020, 40(2): 382-388.
[15] 李晔,李娟. 基于可能度函数的三参数区间灰数预测模型[J]. 系统科学与数学, 2020, 40(12): 2332-2341.
阅读次数
全文


摘要