Please wait a minute...

大连海洋大学学报  2006, Vol. 21 Issue (4): 390-393    DOI: 10.3969/j.issn.1000-9957.2006.04.020
  |
用灰色理论预测青海湖裸鲤的年产量
刘军
武汉工业学院饲料科学系
Application of the grey prediction model to forecast Gymnocypris przewalskii przewalskii production
LIU Jun 
Department of Feed Science, Wuhan Polytechnic University, Wuhan 430023, China
下载:  PDF (230KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 应用灰色理论与方法，以1991—1998年青海湖裸鲤Gymnocypris przewalskii przewalskii的年产量统计数据为基础，建立了灰色系统理论GM（1，1）预测模型，用该模型对1999年青海湖裸鲤的年产量进行了预测。结果表明：青海湖裸鲤年产量的时间响应函数模型为χ^（0）（k＋1）=4974．9670996e^-0.232119k，多年平均相对误差为10．33％，后验差比值C=0．248352，小误差频率P=1，模型的预测精度达到一级；1999年青海湖裸鲤年产量的预测值为776．8t，与实际产量（807t）的相对误差为3．73％，模型的预测效果比较理想。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘军
关键词:  灰色理论  GM(1,1)模型  预测  年产量  青海湖裸鲤    
Abstract: The theory and methods of Grey System were used to establish the Forecasting Model of GM （ 1,1 ） to predict C, ymnocypris przewalskii przewalskii production on the basis of fishery data of C, ymnocypris przewalski przewalskiifrom 1991 to 1998. The GM （ 1,1 ） prediction fishery yield model was established asχ^（0）（k＋1）=4974.9670996e^-0.232119k The mean error of regression testing was 10.33%. The difference check of the prediction model： C =0. 248352,P = 1 and the model precision ranks the first class. The predicted yield of the model in 1999 was about 776.8 t, with a relative error of 3.73% to actual yield. The model was proved to be feasible and suitable in this paper.
Key words:  Grey system    GM(1,1) model    prediction    fishery yield    Gymnocypris przewalskii przewalskii
                    发布日期:  2016-12-30      期的出版日期:  2006-08-21
中图分类号:  S932.4  
引用本文:    
刘军. 用灰色理论预测青海湖裸鲤的年产量[J]. 大连海洋大学学报, 2006, 21(4): 390-393.
LIU Jun . Application of the grey prediction model to forecast Gymnocypris przewalskii przewalskii production. Journal of Dalian Ocean University, 2006, 21(4): 390-393.
链接本文:  
https://xuebao.dlou.edu.cn/CN/10.3969/j.issn.1000-9957.2006.04.020  或          https://xuebao.dlou.edu.cn/CN/Y2006/V21/I4/390
[1] 张雪薇, 韩震. 基于ConvGRU深度学习网络模型的海表面温度预测[J]. 大连海洋大学学报, 2022, 37(3): 531-.
[2] 何津民, 张丽珍. 基于自注意力机制和CNN-LSTM深度学习的对虾投饵量预测模型[J]. 大连海洋大学学报, 2022, 37(2): 304-311.
[3] 张磊, 陈新军, 汪金涛, 吴洽儿. 基于灰色系统的太平洋褶柔鱼秋生群资源丰度灾变预测[J]. 大连海洋大学学报, 2020, 35(4): 607-611.
[4] 宋长利, 靳廉洁, 关峰, 林木西. 基于支持向量机的大连港主要货种吞吐量预测研究[J]. 大连海洋大学学报, 2019, 34(5): 752-756.
[5] 王欢欢, 毕福洋, 曹敏, 汤勇. 獐子岛海洋牧场秋季渔业资源声学调查与评估[J]. 大连海洋大学学报, 2018, 33(6): 802-807.
[6] 张燕, 于永海, 袁道伟, 蔡恒江, 张瑞瑾. 中国海水养殖变化态势和空间需求预测[J]. 大连海洋大学学报, 2018, 33(5): 633-638.
[7] 温国平, 于晓利. 渔业船舶事故类型的灰色关联分析[J]. 大连海洋大学学报, 2017, 32(2): 237-241.
[8] 高胜哲, 王仕如, 樊鑫, 于红, 戚浩然, 周一兵. 基于灰色预测模型和线性内插法的溢油灾后生物修复降解率辅助决策模型研究[J]. 大连海洋大学学报, 2016, 31(5): 572-575.
[9] 张丽梅, 宛立, 董建新. 细分外推与模糊预测在近海水质非线性时序处理中的比较分析[J]. 大连海洋大学学报, 2015, 30(3): 324-329.
[10] 缪新颖, 葛廷友, 高, 王建彬. 基于神经网络和遗传算法的池塘溶解氧预测模型[J]. 大连海洋大学学报, 2011, 26(3): 264-267.
[11] 梁琼, 万金庆, 王国强. 冰温下贮藏的青鱼片菌落增长的预测数学模型[J]. 大连海洋大学学报, 2010, 25(1): 80-84.
[12] 高艳萍, 于红, 崔新忠. 基于优化BP网络的工厂化水产养殖水质预测模型的实现[J]. 大连海洋大学学报, 2008, 23(3): 221-224.
[13] 于晓利, 姚智慧. 小风区水域波浪预测方法的探讨[J]. 大连海洋大学学报, 2007, 22(3): 218-220.
[14] 陶冶, 贾复, 陈龙. 关于渔船经济论证中敏感性分析结果的处理[J]. 大连海洋大学学报, 2000, 15(1): 76-78.
[15] 罗福才, 贾复, 陈龙. 远洋捕捞渔船数量的预测[J]. 大连海洋大学学报, 1999, 14(3): 71-74.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed