• 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] 柴建, 赵逸杰, 梁婷, 魏照昊. 中国非居民用户用气量的行业异质性动态分析及预测——基于一种新的综合集成分析预测模型框架[J]. 系统科学与数学, 2022, 42(2): 318-336.
[2] 吴鑫育, 刘天宇. 具有时变波动率持续性的已实现EGARCH模型及其实证研究[J]. 系统科学与数学, 2021, 41(9): 2444-2459.
[3] 徐维军, 付志能, 李茂昌, 张卫国. 基于新闻文本挖掘的股指期货高频预测研究[J]. 系统科学与数学, 2021, 41(7): 1856-1875.
[4] 李爱忠, 任若恩, 董纪昌. 稀疏网络下核范数回归的连续时间Smart Beta策略[J]. 系统科学与数学, 2021, 41(7): 1927-1937.
[5] 张婷婷, 王沫然, 魏得胜, 刘志峰. 季节调整FWA-SVR模型及其在旅游经济预测中的应用[J]. 系统科学与数学, 2021, 41(6): 1572-1584.
[6] 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.
[7] 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.
[8] 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.
[9] 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.
[10] 蒋洪迅, 闫超超, 张立峰. 基于时序分解和神经网络的PM2.5浓度预测研究——以沈阳市为例[J]. 系统科学与数学, 2021, 41(12): 3446-3460.
[11] 凌立文, 陈诗欣, 张大斌, 张博婷. 基于多时间尺度组合策略的我国猪肉价格预测研究[J]. 系统科学与数学, 2021, 41(10): 2829-2842.
[12] 何承香, 曾波, 杨乐彬. 基于灰色参数组合优化模型的重庆 ${\rm PM}_{2.5}$ 浓度预测与对比分析[J]. 系统科学与数学, 2021, 41(10): 2855-2867.
[13] 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.
[14] 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.
[15] 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.
阅读次数
全文


摘要