排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
ARIMA模型在黄瓜霜霉病疾病指数时间序列建模中的应用研究 总被引:3,自引:0,他引:3
目的:探索黄瓜霜霉病疾病指数时间序列预测方法.方法:采用黄瓜霜霉病病情指数时间序列进行研究,通过模型识别、残差方差比较、参数估计及其检验、观察参数之间相关系数矩阵、白噪声检验、模型的拟合度分析等过程.结果:建立了ARIMA(2,2,0)模型:(1 0.487 1B 0.554 7B2)(1-B)2yt=at.ARIMA(2,2,0)模型的预测值误差平方和SSE=0.001822,根均方误差RMSE=0.008 537,且验证数据的预测值与原始值吻合较好.ARIMA(2,2,0)模型为本研究获得的预测效果较好的一维时间序列模型,适合于黄瓜霜霉病的中期、后期预测.结论:通过残差方差定阶法缩小模型选择范围,再结合模型的参数估计、相关系数矩阵、白噪声检验和拟合优度检验最后确定模型的思路,有利于快速准确找到合适的模型. 相似文献
2.
自回归模型在黄瓜霜霉病预测中的应用 总被引:4,自引:0,他引:4
目的:探索黄瓜霜霉病发病趋势自回归模型.方法:借鉴传染病常微分SIR模型理论,构造含二次项的黄瓜霜霉病发病趋势自回归曲线模型;用一组黄瓜霜霉病时间序列模拟自回归模型参数,再用另一组黄瓜霜霉病序列进行验证.结果:黄瓜霜霉病一阶自回归模型为I(t 1) =0.006 1I(t)(100-I(t)) 0.996 5I(t) 0.908 4,模型的拟合优度检验为:残差平方和为133.168 7,决定系数为0.989 7,根均方误差为4.080 0.一阶自回归模型拟合优度高于二阶自回归模型.结论:模型拟合效果较理想,可以利用该模型对只有发病状况的黄瓜霜霉病时间序列进行预测. 相似文献
3.
目的探索带有影响因素的疾病指数时间序列建模方法。方法采用黄瓜霜霉病病情指数时间序列从方法学的角度进行预测方法研究,将主成分回归模型和自回归条件异方差模型结合起来,建立AR(2)-EGARCH(0,2)模型。结果AR(2)-EGARCH(0,2)模型用应变量的过去值、过去误差和自变量的当前值、过去值的线性组合来预测病情,克服了主成分回归模型误差项不独立或存在异方差的缺点。模型取得了较好的预测效果。结论AR(2)-EGARCH(O,2)模型为本研究获得的预测效果较好的时间序列模型。适合于类似时间序列数据的结果预测。 相似文献
4.
1