检索结果-南通市图书馆

安徽农学通报 2023年第2期29卷 168-170,173页

作者：李俊秀周景春张存岭濉溪县城市管理局安徽濉溪235100 濉溪县气象局安徽濉溪235100 濉溪县科学技术协会安徽濉溪235100

产量分离是研究气象因子对作物产量影响的重要步骤。应用区域试验数据分离气象产量,具有原始数据准确可靠、样本容量大、不需要人为划分生育期、便于检验等优势,依空间指数直线回归拟合趋势产量操作简便,结果合理。

关键词：气象产量产量分离区域试验

几种分离方法在区域经济作物产量预测上的适用性分析:以吴中区枇杷为例

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中国农业气象 2023年第10期44卷 876-888页

作者：陶正达赵静娴顾荆奕郑俊华王俊汤小红陈洪良杨大强苏州市吴中区气象局苏州215128 苏州市吴中区东山多种经营服务公司苏州215107 苏州市吴中区东山镇农林服务站苏州215107

以吴中区枇杷为研究对象,对比分析ARIMA模型、GM模型、线性趋势和二次指数平滑法在区域性经济作物上气象产量分离的适用性,并对在这四种方法的基础上所构建的基于气候因子的产量预测模型预测准确度进行分析。结果表明,(1)使用GM和线性... 详细信息

以吴中区枇杷为研究对象,对比分析ARIMA模型、GM模型、线性趋势和二次指数平滑法在区域性经济作物上气象产量分离的适用性,并对在这四种方法的基础上所构建的基于气候因子的产量预测模型预测准确度进行分析。结果表明,(1)使用GM和线性趋势方法分离的枇杷气象产量的正负性与农业气象灾害年鉴匹配较好。(2)四种方法分离的枇杷气象产量与9个气候因子间复相关程度均达到极相关,复相关系数分别为ARIMA方法 0.95,线性趋势和GM方法 0.94,二次指数平滑方法 0.93。(3)使用GM方法预测的枇杷趋势单产均方根误差和绝对百分比误差最大,在考虑了气候因子后,均方根误差降低百分率达到50.1%,其余三种方法中线性趋势法降低49.3%,ARIMA模型降低6.7%,二次指数平滑降低14.4%。(4)四种方法所构建的基于气候因子的产量预测模型预测结果,使用GM方法的RMSE和MAPE分别为3.0kg·hm^(-2)和15.2%,线性趋势方法次之,ARIMA方法最差。整体来看,GM(1,1)和线性趋势方法分离的枇杷气象产量与气象灾害记录更匹配,使用GM方法构建的基于气候因子的产量预测模型效果最好,表明GM模型更适用于区域性经济作物的产量分离和预测。

关键词：产量预测产量分离 ARIMA模型灰色模型二次指数平滑枇杷

在线全文

学校读者我要写书评

暂无评论

基于灾害指数的奉化水蜜桃气象产量模拟

生态学杂志 2021年第4期40卷 1146-1153页

作者：丁烨毅杨栋朱佳敏陈妙金李从初魏莎莎徐红霞宁波市气象局浙江宁波315012 北仑区气象局浙江北仑315211 奉化区水蜜桃研究所浙江奉化315500 慈溪市农业技术推广中心浙江慈溪315300 浙江省农业科学院杭州310021

气象产量模拟是保险产品设计及气象为农服务效益评估的重要环节。基于1995—2018年奉化水蜜桃单产数据,采用傅里叶变换、滑动平均、Logistic、HP滤波和指数法对水蜜桃趋势产量和气象产量进行分离;建立水蜜桃常见气象灾害指数,并利用气... 详细信息

气象产量模拟是保险产品设计及气象为农服务效益评估的重要环节。基于1995—2018年奉化水蜜桃单产数据,采用傅里叶变换、滑动平均、Logistic、HP滤波和指数法对水蜜桃趋势产量和气象产量进行分离;建立水蜜桃常见气象灾害指数,并利用气象灾害指数对5种产量分离结果进行验证和筛选;以灾害指数为输入因子,利用基于遗传算法的BP神经网络(BP neural network based on genetic algorithm,GA-BP)方法建立水蜜桃气象产量模型。结果表明:受气候变化影响,1995—2018年奉化水蜜桃开花—成熟期连阴雨和硬核—成熟期强降水呈先降后升,近年来极端性降水概率增强,大风出现频率增大;气候变暖一定程度缓解开花坐果期低温,但成熟期高温风险加大;3阶傅里叶分离的趋势产量模拟效果佳,对典型灾害年和低灾害年模拟准确率为88%,相关系数为-0.8,综合指数为0.85;基于灾害指数建立的GA-BP模型对3阶傅里叶方法分离的相对气象产量模拟效果最佳;回代检验的绝对误差和均方根误差分别为0.02和0.03,相关系数为0.95;预报检验的绝对误差和均方根误差分别为0.03和0.04,相关系数为0.92。综上可见,3阶傅里叶方法适用于奉化地区水蜜桃产量分离,基于灾害指数构建的特色作物产量模拟精度和稳定性较高,且模型物理意义明确。

关键词：水蜜桃灾害指数产量分离 GA-BP 产量模拟

基于机器学习算法和ARIMA模型的旱地春小麦产量预测

在线全文

学校读者我要写书评

暂无评论

麦类作物学报 2024年第12期44卷 1551-1559页

作者：董莉霞张博李广燕振刚逯玉兰甘肃农业大学信息科学技术学院甘肃兰州730070 甘肃农业大学林学院甘肃兰州730070

为探究机器学习算法与时间序列结合预测春小麦产量的可行性,使用HP滤波算法,将1971-2021年甘肃省定西市安定区和2014-2021年定西市渭源县的产量数据分离为气象产量和趋势产量,利用研究区的气象数据,分别基于随机森林(random forest,RF)... 详细信息

为探究机器学习算法与时间序列结合预测春小麦产量的可行性,使用HP滤波算法,将1971-2021年甘肃省定西市安定区和2014-2021年定西市渭源县的产量数据分离为气象产量和趋势产量,利用研究区的气象数据,分别基于随机森林(random forest,RF)、循环神经网络(recurrent neural network,RNN)、支持向量机(support vector machine,SVM)、反向传播神经网络(back propagation neural network,BPNN)和长短期记忆网络(long short-term memory,LSTM)5种机器学习算法实现春小麦气象产量的预测对比;构建了ARIMA时间序列模型,探究旱地春小麦趋势产量的最佳预测模型。结果表明,旱地春小麦产量中气象产量占比大,趋势产量占比小,且气象产量的变化趋势基本与总产量一致。LSTM模型对研究区内气象产量的模拟效果最佳。通过参数率定,获得最优的趋势产量预测模型为ARIMA(4,1,2)模型,其残差基本为白噪声,符合正态分布。利用LSTM和ARIMA(4,1,2)模型组合,对2014-2021年渭源县的春小麦产量进行预测,并与研究区的实际产量数据比较,预测结果与实际值接近,模型精度较高,其R^(2)为0.96,MAPE为1.22%,MAE为32.12 kg·hm^(-2),RMSE为35.32 kg·hm^(-2)。在本研究条件下,LSTM和ARIMA(4,1,2)组合模型具有良好的预测精度,可实现旱地春小麦产量的预测。

关键词：产量分离时间序列机器学习旱地春小麦产量预测

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

中国粮食总产量预测方法研究

气象学报 2000年第6期58卷 738-744页

作者：王建林王宪彬太华杰中国气象科学研究院北京100081

文中在计算气候生产力的基础上 ,将粮食产量分离成经济技术产量和气象产量。并利用化肥施用量、一季稻种植面积百分率和 1～ 3月份平均温度分别建立它们的预测模型。此方法计算简单、预测时效长、准确率较高。

关键词：粮食总产量气候生产力产量分离中国预测模型

基于HP滤波和BP神经网络的小麦产量预测与可视化系统

在线全文

学校读者我要写书评

暂无评论

基于HP滤波和BP神经网络的小麦产量预测与可视化系统

作者：马兆务河南农业大学

学位级别：硕士

小麦是世界三大粮食作物之一,其产量约占我国粮食总产量的三分之一。河南作为中原粮仓,保持种植面积和产量的稳定对保障国家粮食安全具有重大意义。科学准确的产量预测,可以为相关部门制定粮食生产目标,指导农业生产,促进农民增收提供依... 详细信息

小麦是世界三大粮食作物之一,其产量约占我国粮食总产量的三分之一。河南作为中原粮仓,保持种植面积和产量的稳定对保障国家粮食安全具有重大意义。科学准确的产量预测,可以为相关部门制定粮食生产目标,指导农业生产,促进农民增收提供依据,为扛稳粮食生产重任提供技术保障。本文利用河南省15个气象站点1984-2018年35年的温度、降雨量等数据,划分了由积温年型和降雨年型组合的气候年型,依据小麦产量资料划分了产量年型,然后总结分析气候年型和产量年型之间的一般规律。依据河南省豫北麦区、豫中东部麦区、豫西麦区、豫南麦区和南阳盆地五大麦区基础,利用HP滤波法分离出小麦生产过程中的气象产量和趋势产量,以气象因子驱动并利用BP神经网络方法构建气象产量预测模型,利用线性回归模型预测小麦的趋势产量,再把两者预测产量叠加获得小麦产量预测值,实现对小麦产量的预测,最后采用可视化技术,研发了小麦产量预测与可视化系统。主要研究结果如下:1.通过对河南省积温年型、降雨年型和产量年型的划分,分析了不同气候年型的差异及其对产量年型的影响。结果表明,河南省15个气象站点1984-2018年的35年间积温年型中暖温年有99年、平温年有314年、冷温年有112年;降雨年型中湿年有159年、平水年有183年、干年有183年;产量年型中丰产年有145年、平产年248年、低产年有132年。分析发现河南省积温年型以暖温年、平温年型为主,降雨年型分布比较均匀。气候年型中以正常年和干年为主,暖湿年小麦易获得高产,丰产年出现频率为76.9%,冷湿年小麦不易获得高产,低产年出现频率为67.9%;气象数据中积温是影响小麦产量波动的主要因素,暖年年型下小麦更容易丰产,冷年时小麦低产概率较高。2.通过对河南省小麦气象产量和趋势产量的分离、构建了小麦产量综合预测模型,并对河南五大麦区小麦产量进行了预测。结果表明,降雨和水分管理不同,对小麦产量的预测效果不同,与实际产量比较,对豫西旱作麦区的预测误差最大,相对误差为0.58%,对豫北麦区的预测误差最小,为0.31%,其他三个麦区豫中东部麦区、豫南麦区和南阳盆地麦区预测的误差分别为0.36%、0.48%和0.38%,说明利用HP滤波和BP神经网络技术预测小麦产量是可行的。3.研建了小麦产量预测与可视化系统平台。利用并行计算的Map Reduce技术实现积温、降雨的计算,结合农作物气候年型国家标准实现气候年型的判定及其分析;利用Python编程HP滤波法,通过数据移动平均法原理设计一个高通滤波器,实现小麦产量分离的功能;利用Java编程的Encapsulation封装技术把产量预测的训练模型封装打包,通过Spring Boot服务端的Restful接口调用封装打包的模型在系统中实现产量预测。采用Echarts框架构建了Map()、Bar()、Pie()、Line()方法实现积温降雨、产量分离及预测功能结果的可视化展示,用户可以进行相关的功能操作并实时可视化查看。

关键词：小麦气候年型产量分离 HP滤波法 BP神经网络可视化

综合历史气象数据的合肥区域型水稻产量预测模型研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

综合历史气象数据的合肥区域型水稻产量预测模型研究

作者：刘瑞冬安徽农业大学

学位级别：硕士

安徽省作为全国重要的产粮基地之一,保障全省粮食作物产量对粮食安全有着重要作用。近年来由于复杂天气多发,尤其是极端低温和高温等特殊天气的出现,为水稻生产造成不利影响。基于此,研究气象因素与合肥及周边地区水稻生长发育的关系,... 详细信息

安徽省作为全国重要的产粮基地之一,保障全省粮食作物产量对粮食安全有着重要作用。近年来由于复杂天气多发,尤其是极端低温和高温等特殊天气的出现,为水稻生产造成不利影响。基于此,研究气象因素与合肥及周边地区水稻生长发育的关系,充分利用气象因素的优势,针对气象因素变化进行适宜性种植,并在水稻收获之前基于气象因子对当年的产量进行预测,对提高水稻亩产量具有现实价值,对后续水稻价格的制定、跨区调配和储备等有着积极意义。本文主要做了如下工作:(1)确定本次研究的主要区域及对比区域,并对所选地区的气象因素结合生育期特性进行选择。庐江县气候因素丰富,稻作品种多样,是安徽省水稻种植大县,基于研究生阶段在安徽省气象局气象科学研究所实习研究取得的数据,选定合肥市庐江县作为主要研究区域,肥西县、寿县作为测试和对比区域;选定温度、降水量和相对湿度作为主要影响因子,研究本地区气象因素对水稻生育期的影响。(2)对所选气象数据进行处理,研究了水稻产量预测模型。本文研究的是气象因素对水稻产量的影响,依据三县具体气象数据,基于水稻生育期和所选的三个气象因子进行组合,得到15个不同生育期气象因子;由于所获得的水稻产量数据为多因素综合统计产量数据,为了排除其他因素造成的影响,利用时间回归方程对水稻总产进行分离,分别得到基于气象因素影响的气象产量和受时间等因素影响的时间趋势产量;将分离出的气象产量数据应用到三个模型中,利用气象数据和气象产量进行建模,分别得到基于三个模型的水稻预测产值。(3)对所选的3个模型进行对比分析,选出最优模型。以肥西县数据作为测试集,分别建立Cat Boost产量预测模型、BP神经网络产量预测模型以及LSTM产量预测模型,研究发现3种模型的精度分别为64.2%、79.8%和83.6%,3个模型在测试集上的精度LSTM效果最好,BP神经网络预测精度次之。基于此,选择LSTM产量预测模型作为本次研究所使用的模型,用于预测庐江县水稻产量。(4)检验了基于LSTM水稻产量预测模型的准确率。将LSTM模型应用于庐江县水稻预测,以2018年为预报年,预测得出当年的水稻单位面积产量为8722.7吨,与实际值相差1003.5吨,精度为87%,具有良好的预测效果。为了验证该模型的准确率,选取经度差异小但纬度差异大的寿县作对比分析,结果表明该模型在安徽淮河地区仍有较好的预测结果。本文以温度、降水量和相对湿度为主要研究气象数据,结合水稻生育期,通过构建基于LSTM的水稻产量预测模型,对合肥市及周边地区水稻产量进行预测,为合肥区域型水稻产量预测提供了一种方法,对本地区水稻定价、跨区调配等政策的制定提供了参考依据。

关键词：气象因子水稻产量预测产量分离 LSTM 时间回归方程

基于机器学习和时间序列的黄淮海小麦产量预测方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习和时间序列的黄淮海小麦产量预测方法研究

作者：江斌超河南农业大学

学位级别：硕士

小麦作为主要的口粮作物,其产量约占我国粮食总产量的三分之一。黄淮海地区是我国的重要小麦主产区,小麦生产的稳定发展对国家粮食安全具有重要的意义。科学准确进行小麦产量预测,可为政府部门制定小麦生产计划,指导生产等提供依据。本... 详细信息

小麦作为主要的口粮作物,其产量约占我国粮食总产量的三分之一。黄淮海地区是我国的重要小麦主产区,小麦生产的稳定发展对国家粮食安全具有重要的意义。科学准确进行小麦产量预测,可为政府部门制定小麦生产计划,指导生产等提供依据。本研究利用黄淮海地区中的河南、山东、河北三省35个气象站点1984-2020年的气象资料作为小麦产量预测的数据,基于HP滤波法将小麦产量分离为趋势产量和气候产量,结合机器学习技术预测小麦的趋势产量,利用时间序列模型预测小麦的气候产量,实现对小麦总产量的预测。主要结果与结论如下:1.基于HP滤波的小麦产量分离。基于农作物产量分离技术,利用HP滤波法对黄淮海三个省35个地区的小麦单产进行产量分离,得到各地区小麦的趋势产量和气候产量,结果表明趋势产量随着时间的推移,增长速度趋于平稳,气候产量的变化规律与小麦实际产量的变化一致。2.基于机器学习的趋势产量预测。基于小麦生育期理论,利用太阳辐射、生育期积温和降水,构建决策树回归(Decision tree regression,DTR)、线性回归(Linear regression,LR)、K近邻回归(K-nearest neighbor regression,KNR)、随机森林回归(Random forest regression,RFR)、Ada Boost回归(ABR)、梯度提升回归(Gradient boost regression,GBR)、Bagging回归(BR)、极端随机树回归(Extreme random tree regression,ETR)八种机器学习模型,实现了小麦趋势产量的预测。结果表明,35个地区的趋势产量预测结果决定系数R均达0.9以上,其中河南省预测精度最优模型为RFR和BR,R均在0.99以上,山东省预测精度最优模型是RFR和ETR,R为0.98～0.99,河北省预测精度最优模型是DTR和GBR,R为0.94～0.97,表明不同区域小麦趋势产量预测优化模型存在一定的差异。3.基于时间序列的气候产量和总产量预测。基于时间序列,通过时间序列数据平稳性检验,参数确定,残差检验,正态分布校验构建了ARIMA(7,1,0)、ARIMA(7,1,1)、ARIMA(8,1,0)三个时间序列模型,实现小麦气候产量的预测。结果表明,各地区气候产量的预测结果R为0.65～0.99,RMSE为120kg/hm～450kg/hm,说明时间序列ARIMA模型对小麦的气候产量预测是可行的;组合趋势产量和气候产量预测结果,实现了黄淮海三省35个地区小麦总产量预测,结果显示,不同地区的最优预测模型组合不同,其中河南省以RFR+ARIMA(7,1,0)的预测组合模型最优,R为0.77～0.97,RMSE为195.41～494.99kg/hm,预测精度均在95.34%以上;山东省以ETR+ARIMA(7,1,0)的预测组合模型最优,R为0.8～0.97,RMSE为162.98～379.78kg/hm,预测精度均在86.89%以上;河北省以DTR+ARIMA(8,1,0)的预测组合模型最好,R为0.86～0.93,RMSE为199.39～291.99kg/hm,预测精度均在95.97%以上。

关键词：小麦产量黄淮海产量分离 HP滤波机器学习时间序列

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

四川省水稻综合气象灾害风险区划

中国生态农业学报（中英文） 2020年第5期28卷 621-630页

作者：邓国卫卿清涛徐金霞孙俊四川省气候中心成都610072 中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室成都610072 中国气象局干部培训学院四川分院成都610072

本文利用1981-2012年四川省82县的水稻单产资料,采用HP滤波法,进行水稻气象产量分离,分歉收年和成灾年两个年型,研究四川省水稻单产平均减产率、减产率变异系数和不同等级减产率风险概率的空间分布特征,并基于成灾年风险区划指标,开展... 详细信息

本文利用1981-2012年四川省82县的水稻单产资料,采用HP滤波法,进行水稻气象产量分离,分歉收年和成灾年两个年型,研究四川省水稻单产平均减产率、减产率变异系数和不同等级减产率风险概率的空间分布特征,并基于成灾年风险区划指标,开展四川省水稻综合气象灾害风险区划。结果表明:HP滤波法可用于四川省水稻气象产量分离,四川省水稻气象产量具有显著的准4 a、7 a周期振荡特征。平均减产率从西南向东北方向呈现"高–低–高"分布特征,80%以上县歉收年平均减产率介于2%~7%,成灾年平均减产率介于6%~15%。各县歉收年减产率变异系数介于0.6~2.2,成灾年减产率变异系数介于0~1.2;减产率变异系数相对高值区位于西南山地西部、盆地南部和盆地北部山地。各级减产率风险概率大值区主要集中于广元和巴中地区,还包括盐亭、古蔺、盐源、越西等县。四川省水稻综合气象灾害高风险区主要分布于盆地北部、盆地南部和西南山地西部等山区,中等风险区主要分布于盆地丘陵区及盆周低山区,低风险区主要分布于盆地平原、浅丘区和凉山州中东部。风险区划结果与四川省气象灾害分布和水稻农业气象灾害分布的研究成果相吻合,可为四川省水稻防灾减灾提供科学依据和重要参考。

关键词：综合气象灾害风险区划四川水稻产量分离减产率

在线全文

学校读者我要写书评

暂无评论

气象因素对水果产量的影响及小波分析研究

果树资源学报 2024年第6期5卷 47-54页

作者：郭华王玺李亮王达菲武曦王越陶玲山西农业大学果树研究所山西太原030031

【目的】充分了解气候变化对山西省水果产量的影响,为山西省应对水果产量受气候变化的影响提供理论依据和决策支持。【方法】以1978年—2018年气候资料和水果产量资料为基础,采用CEEMD方法分离水果产量,通过M-K突变分析和趋势分析研究... 详细信息

【目的】充分了解气候变化对山西省水果产量的影响,为山西省应对水果产量受气候变化的影响提供理论依据和决策支持。【方法】以1978年—2018年气候资料和水果产量资料为基础,采用CEEMD方法分离水果产量,通过M-K突变分析和趋势分析研究山西省各气候要素的变化特征,采用交叉小波分析气候产量与气象因子周期共振性,研究气候变化对水果单产的影响,并建立水果单产和气候因子之间的一元线性回归模型。【结果】山西全省降水呈无明显上升趋势,相对湿度和日照时数均呈显著明显下降趋势,年均气温上升幅度较大;苹果、梨和葡萄单产都有较大幅度的提高,对应的气候产量有较大的波动,但提高的速度较慢,其中苹果的气候产量有明显的提高趋势;苹果、梨、葡萄的相对产量符合相应气候产量趋势,说明气候变化显著影响水果产量;水果单产与气候因子的回归模型整体显著,且相对湿度和日照时数与水果单产之间呈负相关,降水和年平均气温与水果单产之间呈正相关。【结论】不同气候变化对不同水果的响应程度各不相同,山西省应采取选育抗逆性强的品种、改变栽培种植方式等合理措施,促进水果产量增长和品质提高。

关键词：水果产量产量分离交叉小波变换山西省