论文部分内容阅读
我国是农业灾害较多且受灾面积较大的国家,对农业受灾面积的准确预测是农业可持续发展条件之一。但是我国农业受灾面积变化受多种因素的影响,且诸多因素之间是一种多变量、强耦合、严重的非线性关系,这种关系具有动态性,传统的预测模型几乎均是基于最小二乘法的单一数学公式,因而传统的一些预测方法精度不高。本文首先采用剩余法建立了一个预测模型,即以非线性回归拟合发展趋势、三角函数拟合逼近周期变动和马尔科夫链刻化随机扰动的集成预测模型,并用我国农业自然灾害受灾面积的变动规律进行模拟。理论和实践证明,集成预测模型优于传统的单模型预测。遗传算法是一种随机优化算法,但它不是简单的随机搜索,遗传算法是机器学习的新方法,与传统的最小二乘估计法不同,它是一种迭代算法。目前遗传算法的应用场合主要有模式识别、组合优化计算和模型参数估计。时间序列分析,就是根据有序随机变量或者观测得到的有序数据之间相互依赖所包含的信息,用概率统计方法定量的建立一个合适的数学模型,并根据这个模型对相应序列所反映的过程或系统做出预报或进行控制。本文提出了建立一个两步法预测模型的方法和步骤,即采用遗传算法思想预测确定项,并用时间序列分析预测误差项的集成预测模型,研究表明,遗传算法可以用于自然灾害变动的复杂预测模型的参数估计,理论上可以任意逼近估计参数的最优值,遗传算法不仅可以对整体模型的全部参数进行优化估计,而且模型参数还有整体最优性:时间序列分析是定量预测方法之一,它是应用数理统计方法对数据加以处理,以预测未来事物的发展。应有两步法对我国农业自然灾害受灾面积进行模拟,可以看出,通过比较预测准确度,两步法优于剩余法建立的预测模型,这就为预测具有复杂机制的自然灾害演变提供了一种新的方法。本文还对我国未来几年的受灾面积做了一些预测,可为灾害的防御提供参考,具有一定的应用价值和实践意义。最后还提出了本文的缺陷和有待改进的地方。