《智慧農(nóng)業(yè)關(guān)鍵技術(shù)與裝備》課件-第11章 農(nóng)業(yè)預(yù)測(cè)預(yù)警

《智慧農(nóng)業(yè)關(guān)鍵技術(shù)與裝備》第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警機(jī)電工程學(xué)院目錄Content概述老師出鏡農(nóng)業(yè)預(yù)測(cè)方法農(nóng)業(yè)預(yù)警方法典型案例01020304第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.1概述11.1概述

前言：農(nóng)業(yè)預(yù)測(cè)預(yù)警是農(nóng)業(yè)信息處理方法中眾多的應(yīng)用領(lǐng)域之一，是在利用傳感器等信息采集設(shè)備獲取農(nóng)業(yè)現(xiàn)場(chǎng)數(shù)據(jù)的基礎(chǔ)上，采用數(shù)學(xué)和信息學(xué)模型，對(duì)研究對(duì)象未來發(fā)展的可能性進(jìn)行推測(cè)和估計(jì)，并對(duì)不正確的狀態(tài)進(jìn)行預(yù)報(bào)和提出預(yù)防措施。概念：農(nóng)業(yè)預(yù)測(cè)是以土壤、環(huán)境、氣象資料、作物或動(dòng)物生長(zhǎng)、農(nóng)業(yè)生產(chǎn)條件、化肥農(nóng)藥、飼料、航拍或衛(wèi)星影像等實(shí)際農(nóng)業(yè)資料為依據(jù)，以經(jīng)濟(jì)理論為基礎(chǔ)，以數(shù)學(xué)模型為手段，對(duì)研究對(duì)象未來發(fā)展的可能性進(jìn)行推測(cè)和估計(jì)；是精確施肥、灌溉、播種、除草、滅蟲等農(nóng)事操作及農(nóng)業(yè)生產(chǎn)計(jì)劃編制、監(jiān)督執(zhí)行情況的科學(xué)決策的重要依據(jù)，也是改善農(nóng)業(yè)經(jīng)營(yíng)管理的有效手段。因此，農(nóng)業(yè)預(yù)測(cè)是未來農(nóng)業(yè)物聯(lián)網(wǎng)基礎(chǔ)下，支持農(nóng)業(yè)生產(chǎn)、銷售活動(dòng)各環(huán)節(jié)的重要技術(shù)手段之一。11.1概述

預(yù)測(cè)與預(yù)警的關(guān)聯(lián)：預(yù)測(cè)：農(nóng)業(yè)預(yù)測(cè)的精度直接影響決策的正誤和處理方案的質(zhì)量，由此可見，如何對(duì)農(nóng)業(yè)各個(gè)決策環(huán)節(jié)進(jìn)行預(yù)測(cè)，并怎樣高精度的預(yù)測(cè)是現(xiàn)代精準(zhǔn)農(nóng)業(yè)研究的重要問題。預(yù)測(cè)的方法多種多樣，每個(gè)預(yù)測(cè)方法都不可能完全包含預(yù)測(cè)目標(biāo)的所有影響因子，鑒于在農(nóng)業(yè)體系中預(yù)測(cè)目標(biāo)的復(fù)雜性與多樣性，選取什么樣的預(yù)測(cè)方法、建立什么樣的數(shù)學(xué)模型才能更適合現(xiàn)代精準(zhǔn)農(nóng)業(yè)的預(yù)測(cè)要求是關(guān)鍵。預(yù)警：預(yù)警是預(yù)測(cè)發(fā)展的高級(jí)階段，是在預(yù)測(cè)基礎(chǔ)上，結(jié)合預(yù)先的領(lǐng)域知識(shí)，進(jìn)一步給出的判斷性說明，以避免危害在不知情或準(zhǔn)備不足的情況下發(fā)生，從而最大程度地減低危害所造成的損失的行為，使預(yù)測(cè)的內(nèi)容更加豐富而廣泛。所謂農(nóng)業(yè)預(yù)警是指對(duì)農(nóng)業(yè)的未來狀態(tài)進(jìn)行測(cè)度，預(yù)報(bào)不正確狀態(tài)的時(shí)空范圍和危害程度以及提出防范措施，最大程度上避免或減少農(nóng)業(yè)生產(chǎn)活動(dòng)中所受到的損失，從而在提升農(nóng)業(yè)活動(dòng)收益的同時(shí)降低農(nóng)業(yè)活動(dòng)的風(fēng)險(xiǎn)。農(nóng)業(yè)預(yù)警就是要研究警情的排除，消除已經(jīng)出現(xiàn)的警情、預(yù)防未來可能出現(xiàn)的警情。11.1概述

農(nóng)業(yè)預(yù)測(cè)預(yù)警目的：農(nóng)業(yè)預(yù)測(cè)預(yù)警是農(nóng)業(yè)物聯(lián)網(wǎng)的重要應(yīng)用之一，也是核心技術(shù)手段之一。其目的是通過對(duì)獲得的大量農(nóng)業(yè)現(xiàn)場(chǎng)數(shù)據(jù)、農(nóng)業(yè)生產(chǎn)數(shù)據(jù)、農(nóng)業(yè)銷售數(shù)據(jù)等進(jìn)行數(shù)學(xué)和信息學(xué)處理，得到適用于不同時(shí)期（長(zhǎng)期、中期、短期）的農(nóng)業(yè)研究對(duì)象客觀發(fā)展規(guī)律和趨勢(shì)，根據(jù)人對(duì)農(nóng)業(yè)的具體需求，通常是最大化農(nóng)業(yè)生產(chǎn)價(jià)值，對(duì)未來某個(gè)時(shí)期進(jìn)行狀態(tài)估計(jì)和預(yù)測(cè)，對(duì)不正確的發(fā)展?fàn)顟B(tài)及時(shí)提醒相關(guān)參與者，并提供發(fā)生的時(shí)空范圍、危害程度和處理方案，以期最大程度地提升農(nóng)業(yè)活動(dòng)收益和降低農(nóng)業(yè)活動(dòng)風(fēng)險(xiǎn)。第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.2農(nóng)業(yè)預(yù)測(cè)方法11.2.1農(nóng)業(yè)預(yù)測(cè)的基本原則

任何事物的發(fā)展都與其過去的行為有著一定的聯(lián)系。過去的行為不僅影響到現(xiàn)在，還影響到未來，這表明，任何事物的發(fā)展都帶有一定的延續(xù)性，即慣性。慣性越大表明過去對(duì)未來的影響越大，反之亦然。慣性原則的存在，不僅為預(yù)測(cè)方法提供了思路，也為預(yù)測(cè)的可行性提供了一定的理論基礎(chǔ)。慣性原則相關(guān)原則是研究事物發(fā)展復(fù)雜性的一個(gè)必不可少的原則。任何事物的發(fā)展變化都不是孤立的，都是與其他事物發(fā)展變化相互聯(lián)系、相互影響而確定其運(yùn)動(dòng)軌跡的。相關(guān)性有多種表達(dá)形式，其中最為廣泛的是因果關(guān)系。即任何事物的發(fā)展變化都是有原因的，其變化狀況是原因的結(jié)果，相關(guān)回歸預(yù)測(cè)模型就是以這一原則為前提的。相關(guān)原則所謂預(yù)測(cè)的類推原則，即許多事物的發(fā)展規(guī)律有著相似之處，用一個(gè)事物的變化規(guī)律來類推另外一個(gè)事物的變化規(guī)律。應(yīng)用這一原則可使我們的預(yù)測(cè)工作大大簡(jiǎn)化，在預(yù)測(cè)中常常采用經(jīng)驗(yàn)曲線來進(jìn)行預(yù)測(cè)，這就是以類推原則作為理論依據(jù)的。類推原則由于各種因素的干擾，常常使事物的各個(gè)方面的變化呈現(xiàn)出隨機(jī)形式。隨機(jī)變化的不確定性往往給預(yù)測(cè)工作帶來很大的困難，這時(shí)就需要應(yīng)用隨機(jī)方法對(duì)一些不確定的問題進(jìn)行研究，并探討預(yù)測(cè)方法。這種依據(jù)概率進(jìn)行推斷的原則就是概率推斷原則。概率推斷原則質(zhì)、量分析相結(jié)合是指預(yù)測(cè)中要把量的分析（定量預(yù)測(cè)法）與質(zhì)的分析法（定性預(yù)測(cè)法）相結(jié)合起來使用，才能取得良好的效果。質(zhì)、量分析相結(jié)合原則0103020405第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.2.2農(nóng)業(yè)預(yù)測(cè)模型選擇11.2.2農(nóng)業(yè)預(yù)測(cè)模型選擇

以定性分析為先導(dǎo)01以管理決策為根本目標(biāo)02以科學(xué)方法論為理論指導(dǎo)03以數(shù)學(xué)模型為主要工具0411.2.2農(nóng)業(yè)預(yù)測(cè)模型選擇

為此，從系統(tǒng)論的觀點(diǎn)出發(fā)，建立預(yù)測(cè)的數(shù)學(xué)模型首先最重要的是確定四個(gè)問題：明確研究對(duì)象，研究對(duì)象的屬性，研究對(duì)象的活動(dòng)和研究對(duì)象所處的環(huán)境。在建立數(shù)學(xué)模型的過程中，如果研究對(duì)象的機(jī)理比較簡(jiǎn)單，一般用靜態(tài)、線性、確定性模型等描述就能達(dá)到建模目的，基本上可以使用初等數(shù)學(xué)的方法求解和構(gòu)造這類模型。當(dāng)描述實(shí)際對(duì)象的某些特性隨時(shí)間或空間而演變的過程，分析它的變化規(guī)律，預(yù)測(cè)它的未來形態(tài)時(shí)，要建立對(duì)象的動(dòng)態(tài)模型，通常要用到微分方程模型。研究系統(tǒng)運(yùn)行的過程并對(duì)其中有典型意義的問題進(jìn)行優(yōu)化，從而找出共性相關(guān)的問題時(shí)可以采用運(yùn)籌學(xué)的方法建立數(shù)學(xué)模型，其目的使決策者科學(xué)地確定其方針和行動(dòng)，使之符合客觀規(guī)律，獲得最優(yōu)解。在解決實(shí)際農(nóng)業(yè)預(yù)測(cè)問題的過程當(dāng)中，不同屬性的問題可以采取不同的數(shù)學(xué)模型與之相對(duì)應(yīng)，但不是數(shù)學(xué)模型越復(fù)雜就越好，要盡可能地使用簡(jiǎn)單的數(shù)學(xué)模型。建立數(shù)學(xué)模型的重點(diǎn)在于問題的解決以及便于理解和接受。第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.2.3農(nóng)業(yè)預(yù)測(cè)的基本步驟11.2.3農(nóng)業(yè)預(yù)測(cè)的基本步驟

在建模前應(yīng)對(duì)農(nóng)業(yè)領(lǐng)城實(shí)際問題的背景有一定的了解，對(duì)該問題進(jìn)行深入的、全面的調(diào)查和研究，收集與該問題相關(guān)的數(shù)據(jù)和資料。對(duì)其內(nèi)在規(guī)律有本質(zhì)上的認(rèn)識(shí)。只有在對(duì)所有的資料進(jìn)行研究和分析之后，明確問題所在，也就是對(duì)系統(tǒng)進(jìn)行可行性分析，才能了解究竟要建什么樣的模型以及建模的目的是什么。明確對(duì)象，界定問題這是整個(gè)決策過程中十分重要的一環(huán)，在具體建模農(nóng)業(yè)預(yù)測(cè)模型時(shí)，要利用具體農(nóng)業(yè)領(lǐng)域應(yīng)用背景知識(shí)，搞清楚變量的性質(zhì)，變量與變量之間的關(guān)系，目標(biāo)與約束之間的關(guān)系等。建立模型需要有兩方面的能力∶一方面是專業(yè)的學(xué)習(xí)能力，另一方面是良好的判斷能力。除此之外還要了解建模的基本要求。例如結(jié)構(gòu)要簡(jiǎn)潔，要注意分析模型的有效性等。建立決策分析模型農(nóng)業(yè)領(lǐng)域現(xiàn)實(shí)問題錯(cuò)綜復(fù)雜，要想用一個(gè)數(shù)學(xué)模型把現(xiàn)實(shí)問題的各個(gè)方面都體現(xiàn)出來是不可能的。只有抓住主要因素和必要因素，忽略次要因素，對(duì)所研究問題進(jìn)行歸類處理，盡量簡(jiǎn)化問題，突出主要矛盾才能在相對(duì)簡(jiǎn)單的情況下，理清變量間的關(guān)系，建立相應(yīng)的數(shù)學(xué)模型。歸類處理，概念細(xì)化模型求解就是分析人員借助模型獲得解決問題有效方法的過程。模型求解的方法包括數(shù)值法和分析法，其中數(shù)值方法一般是通過某種模型逐步尋找并不斷改進(jìn)的過程來求解，分析方法則是按照數(shù)學(xué)公式一步到位求出具體的解。把由模型得到的結(jié)果同定性分析和實(shí)際掌握的情況相對(duì)照，可以評(píng)判模型本身的好壞，從而為修訂模型提供意見。模型求解和檢驗(yàn)決策報(bào)告必須建立在決策分析結(jié)果的基礎(chǔ)之上，以使管理決策者了解和相信決策方案的依據(jù)所在。另外在報(bào)告中，應(yīng)該講清楚決策方案實(shí)施過程中需要注意的問題。形成決策分析報(bào)告0103020405第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

1.農(nóng)業(yè)預(yù)測(cè)方法的分類（1）按所涉及范圍的不同，可分為宏觀預(yù)測(cè)和微觀預(yù)測(cè)宏觀是指從整個(gè)農(nóng)業(yè)發(fā)展的總體作為考核對(duì)象，研究農(nóng)業(yè)發(fā)展中各項(xiàng)指標(biāo)之間的關(guān)系及其發(fā)展變化；微觀是考核某個(gè)農(nóng)業(yè)領(lǐng)城基本組成單元的生長(zhǎng)發(fā)展的前景，研究個(gè)別單元或類別微觀農(nóng)業(yè)中各項(xiàng)指標(biāo)之間的關(guān)系和發(fā)展變化。（2）按時(shí)間長(zhǎng)短的不同，可分為長(zhǎng)期農(nóng)業(yè)預(yù)測(cè)、中期農(nóng)業(yè)預(yù)測(cè)、短期農(nóng)業(yè)預(yù)測(cè)和近期農(nóng)業(yè)預(yù)測(cè)長(zhǎng)期常常是指5年以上的農(nóng)業(yè)前景發(fā)展變化的預(yù)測(cè);中期指1年到5年的農(nóng)業(yè)發(fā)展預(yù)測(cè)，常常是制定農(nóng)業(yè)生產(chǎn)計(jì)劃的依據(jù)；短期是指3個(gè)月到1年之間的農(nóng)業(yè)發(fā)展預(yù)測(cè)，常用于農(nóng)業(yè)生產(chǎn)管理部門制定年、季度計(jì)劃的依據(jù)，近期是指3個(gè)月以下的農(nóng)業(yè)預(yù)測(cè)，如旬、月度計(jì)劃等。（3）按預(yù)測(cè)方法的性質(zhì)不同，可分為定性預(yù)測(cè)和定量預(yù)測(cè)定性是指預(yù)測(cè)者根據(jù)自己的經(jīng)驗(yàn)和理論知識(shí)，通過調(diào)查、了解實(shí)際情況，對(duì)農(nóng)業(yè)情況的發(fā)展變化做出判斷和預(yù)測(cè);定量是指運(yùn)用統(tǒng)計(jì)模型和方法，在準(zhǔn)確、實(shí)時(shí)調(diào)查資料、信息的基礎(chǔ)上，進(jìn)行預(yù)測(cè)，如時(shí)間序列預(yù)測(cè)、因果關(guān)系預(yù)測(cè)等。（4）按時(shí)態(tài)的不同，可分為靜態(tài)預(yù)測(cè)和動(dòng)態(tài)預(yù)測(cè)靜態(tài)預(yù)測(cè)是指沒有時(shí)間變動(dòng)的因素，對(duì)相同時(shí)期農(nóng)業(yè)生產(chǎn)指標(biāo)的因果關(guān)系進(jìn)行的預(yù)測(cè);動(dòng)態(tài)預(yù)測(cè)是指考慮到時(shí)間的變化，按照農(nóng)業(yè)發(fā)展的歷史和現(xiàn)狀，對(duì)未來情況進(jìn)行的預(yù)測(cè)。

11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

2.回歸預(yù)測(cè)方法回歸預(yù)測(cè)法是根據(jù)各種觀察指標(biāo)之間的關(guān)系，通過對(duì)跟預(yù)測(cè)對(duì)象相關(guān)的事物的趨勢(shì)分析，推測(cè)預(yù)測(cè)對(duì)象未來發(fā)展變化的預(yù)測(cè)方法。回歸分析是指某隨機(jī)變量與其他自變量之間的數(shù)量變動(dòng)關(guān)系，這種變動(dòng)關(guān)系就稱為回歸模型?；貧w模型的分類包括∶①按自變量個(gè)數(shù)的多少，分為一元和多元回歸模型；②按是否是線性，可分為線性回歸模型和非線性回歸模型；③按是否帶有虛擬變量，可分為普通回歸模型和虛擬變量回歸模型。普通回歸模型的自變量都是數(shù)值類型，而虛擬變量回歸模型的自變量既有數(shù)值類型，也有品質(zhì)變量類型。11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

3.時(shí)間序列分解法與趨勢(shì)外推法

（1）時(shí)間序列分解法預(yù)測(cè)指標(biāo)的時(shí)間序列變化受許多因素的影響，可以將這些影響時(shí)間序列變化的因素分為四類∶長(zhǎng)期趨勢(shì)因素（T）、季節(jié)變動(dòng)因素（S）、周期變動(dòng)因素（C）、不規(guī)則變動(dòng)因素（I）。時(shí)間序列分解的方法有很多，常見模型方法有加法模型和乘法模型。（2）趨勢(shì)外推法當(dāng)預(yù)測(cè)指標(biāo)依時(shí)間變化呈上升或下降趨勢(shì)，沒有明顯的季節(jié)波動(dòng)，又能找到合適的函數(shù)曲線反映這類變化趨勢(shì)時(shí)，就可以用趨勢(shì)外推法進(jìn)行預(yù)測(cè)。使用這種方法需要滿足兩個(gè)假設(shè)∶事物發(fā)展過程沒有跳躍式變化;某事物的發(fā)展因素，同樣也決定事物未來的發(fā)展，它們的條件不變或者變化較小。趨勢(shì)外推法的要點(diǎn)是選擇合適的趨勢(shì)模型。模型的選擇可使用圖形識(shí)別法和差分法。11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

4.時(shí)間序列平滑預(yù)測(cè)法時(shí)間序列是按時(shí)間先后順序，將某一統(tǒng)計(jì)指標(biāo)的數(shù)值進(jìn)行排列而形成的數(shù)列。例如，某種化肥銷售量按季度或月度排列起來的數(shù)列；某地區(qū)糧食年產(chǎn)量按年度順序排列起來的數(shù)列等。時(shí)間序列分析的是統(tǒng)計(jì)數(shù)據(jù)隨時(shí)間變化的規(guī)律，是一個(gè)動(dòng)態(tài)的過程。其中各時(shí)期的數(shù)據(jù)值都是當(dāng)時(shí)各種不同因素同時(shí)作用后的綜合結(jié)果。在進(jìn)行時(shí)間序列分析時(shí)，通常將其分為以下幾類。長(zhǎng)期趨勢(shì)∶指在某種根本性因素的影響下，事物在較長(zhǎng)一段時(shí)間內(nèi)都會(huì)以一定的變化趨勢(shì)發(fā)展的傾向。季節(jié)變動(dòng)∶指在自然環(huán)境或社會(huì)因素的影響下，以季節(jié)為周期，時(shí)間序列會(huì)表現(xiàn)出的規(guī)律變動(dòng)。循環(huán)變動(dòng)∶指在某種因素的影響下，時(shí)間序列發(fā)生的周期產(chǎn)生不固定的波動(dòng)變化，變動(dòng)的周期短則數(shù)月，長(zhǎng)則數(shù)年，并且周期也有可能發(fā)生變化。不規(guī)則變動(dòng)∶指在各種偶然性因素，如戰(zhàn)爭(zhēng)、自然災(zāi)害等的影響下，時(shí)間序列表現(xiàn)出來的無周期性的變動(dòng)。隨機(jī)變動(dòng)是指由于大量隨機(jī)因素的影響，如人的個(gè)體意志，產(chǎn)生的綜合、短期和不規(guī)則影響而引起的變動(dòng)。11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

根據(jù)資料求出長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變化和不規(guī)則變動(dòng)的數(shù)學(xué)模型后，就可以計(jì)算出未來時(shí)間序列的預(yù)測(cè)值Yt，記Tt為長(zhǎng)期趨勢(shì)，St為季節(jié)變動(dòng)；Ct為循環(huán)變動(dòng)；It為不規(guī)則變動(dòng)。時(shí)間序列Y可以表示為以上4個(gè)因素的函數(shù)，即Yt=f(Tt，St，Ct，It)通過Tt，St，Ct，It來求解Yt，較常用的模型有加法模型和乘法模型。加法模型為Yt=Tt+St+Ct+It，表示長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變化和不規(guī)則變動(dòng)之間不存在相互作用關(guān)系，時(shí)間序列的預(yù)測(cè)值僅為其數(shù)值的簡(jiǎn)單疊加。乘法模型為Yt=Tt*St*Ct*It，表示長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)變化和不規(guī)則變動(dòng)之間存在相互作用關(guān)系，時(shí)間序列的預(yù)測(cè)值需要考慮其相互影響。從計(jì)算方法上看，時(shí)間序列中常用的平滑預(yù)測(cè)法包括移動(dòng)平均法、自適應(yīng)過濾法和指數(shù)平滑法等。指數(shù)平滑法的原理：任一期的指數(shù)平滑值都是本期實(shí)際觀察值與前一期指數(shù)平滑值的加權(quán)平均，通過對(duì)指數(shù)平滑值進(jìn)行計(jì)算，結(jié)合一定的時(shí)間序列預(yù)測(cè)模型對(duì)現(xiàn)象的未來進(jìn)行預(yù)測(cè)。

指數(shù)平滑法的優(yōu)點(diǎn)：只要有上期實(shí)際數(shù)和上期預(yù)測(cè)值，就可計(jì)算下期的預(yù)測(cè)值，并且節(jié)省了儲(chǔ)存和處理數(shù)據(jù)的消耗，一直以來都是一種受歡迎的短期預(yù)測(cè)方法。11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

5.自適應(yīng)過濾法

自適應(yīng)過濾法是根據(jù)一組給定的權(quán)數(shù)對(duì)時(shí)間數(shù)列的歷史觀察值，進(jìn)行加權(quán)平均計(jì)算一個(gè)預(yù)測(cè)值，然后根據(jù)預(yù)測(cè)誤差調(diào)整權(quán)數(shù)以減少誤差，這樣反復(fù)進(jìn)行直至找出一組"最佳"權(quán)數(shù)，使誤差減少到最低限度，再利用最佳權(quán)數(shù)進(jìn)行加權(quán)平均預(yù)測(cè)。6.博克斯-詹金斯法該方法由美、英兩位統(tǒng)計(jì)學(xué)家創(chuàng)建，是理論完善、應(yīng)用廣泛的一種預(yù)測(cè)方法，它包含三種模型∶自回歸模型、滑動(dòng)平均模型、自回歸滑動(dòng)平均混合模型（ARMA模型）。其中自相關(guān)系數(shù)的確定、自相關(guān)分析圖的建立以及使用Yule-Walker所建立的自回歸模型等，有較大的應(yīng)用價(jià)值。7.灰色預(yù)測(cè)法灰色系統(tǒng)理論是由我國(guó)華中科技大學(xué)鄧聚龍先生創(chuàng)建的，目前已獲得極廣泛的應(yīng)用?；疑到y(tǒng)預(yù)測(cè)實(shí)際上就是一種單因素趨勢(shì)外推的預(yù)測(cè)方法。其基本思想是把已知現(xiàn)在和過去的、無明顯規(guī)律的時(shí)間數(shù)據(jù)列（原始數(shù)據(jù)列）進(jìn)行一系列加工，得到有規(guī)律的時(shí)間數(shù)據(jù)列（生成數(shù)據(jù)列），然后再用微分方程對(duì)生成數(shù)據(jù)序列進(jìn)行擬和，得到灰色系統(tǒng)動(dòng)態(tài)預(yù)測(cè)模型GM（n，h）來進(jìn)行中、長(zhǎng)期預(yù)測(cè)。理論和實(shí)踐都顯示，灰色模型對(duì)原始數(shù)據(jù)的要求較高，只有在其呈指數(shù)規(guī)律變化的情況下，預(yù)測(cè)模型才能達(dá)到較高的預(yù)測(cè)精度;而當(dāng)原始序列不呈指數(shù)規(guī)律變化時(shí)，預(yù)測(cè)結(jié)果就可能會(huì)出現(xiàn)較大的偏差。11.2.4農(nóng)業(yè)預(yù)測(cè)的基本方法

8.卡爾曼濾波法

卡爾曼濾波理論是由Kalman把狀態(tài)空間模型引入濾波理論推導(dǎo)出的一種遞推估計(jì)算法（Kalman，1960）。卡爾曼濾波的基本思想是利用前一時(shí)刻得到的估計(jì)值和現(xiàn)時(shí)刻的觀測(cè)值來更新估計(jì)狀態(tài)變量，求出現(xiàn)時(shí)刻的估計(jì)值。它按照"預(yù)測(cè)——實(shí)測(cè)—修正"的步驟，根據(jù)現(xiàn)時(shí)刻的觀測(cè)值來消除隨機(jī)干擾，進(jìn)而完成對(duì)模型的修正?？柭鼮V波要求模型的結(jié)構(gòu)與參數(shù)，以及隨機(jī)向量的統(tǒng)計(jì)特征都是已知的?？柭鼮V波無須存儲(chǔ)歷史數(shù)據(jù)，這些優(yōu)點(diǎn)使它成為解決狀態(tài)空間模型估計(jì)與預(yù)測(cè)問題的有力工具之一。9.混沌理論預(yù)測(cè)法

農(nóng)業(yè)預(yù)測(cè)研究的對(duì)象在由相互之間非線性作用的多種因素構(gòu)成的開放的復(fù)雜系統(tǒng)中較為常見，簡(jiǎn)單、封閉、線性的系統(tǒng)僅占極少數(shù)，對(duì)象的變化行為大多是動(dòng)態(tài)、不連續(xù)、不穩(wěn)定、不可逆的，穩(wěn)定、平衡只是少數(shù)、暫時(shí)的現(xiàn)象。因此，依靠在傳統(tǒng)科學(xué)范式基礎(chǔ)上建立預(yù)測(cè)理論和方法或只用線性疊加組合的辦法，很難實(shí)現(xiàn)現(xiàn)實(shí)生產(chǎn)生活中對(duì)預(yù)測(cè)值的要求?；煦缋碚撌顷P(guān)于非線性系統(tǒng)的一門新興科學(xué)，常見的混沌理論預(yù)測(cè)方法包括BRF神經(jīng)網(wǎng)絡(luò)模型、局域線性模型、最大lyapunov指數(shù)模型和Voltrra濾波器自適應(yīng)預(yù)測(cè)模型。在三種典型的非線性系統(tǒng)中（logistic、henon、lorenz）進(jìn)行仿真測(cè)試，結(jié)果4種方法都能達(dá)到很好的預(yù)測(cè)效果，Voltera濾波器自適應(yīng)預(yù)測(cè)模型和BRF神經(jīng)網(wǎng)絡(luò)模型在精度上都是具有一定優(yōu)勢(shì)的。第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.3農(nóng)業(yè)預(yù)警方法11.3.1農(nóng)業(yè)預(yù)警基本方法

預(yù)警的基本邏輯過程包括明確警義、尋找警源、分析警兆、預(yù)報(bào)警度以及排除警情等一系列相互銜接的過程。這里明確警義是大前提，是農(nóng)業(yè)預(yù)警研究的基礎(chǔ)，而尋找警源、分析警兆屬于對(duì)警情的因素分析及定量分析，預(yù)報(bào)警度則是預(yù)警目標(biāo)所在，排除警情是目標(biāo)實(shí)現(xiàn)的過程。以水產(chǎn)養(yǎng)殖水質(zhì)預(yù)警為例，其具體的預(yù)警邏輯過程如右圖所示。1.明確警義明確警義，即確定警情，是預(yù)警的起點(diǎn)，警情是事物發(fā)展過程中出現(xiàn)的異常情況，在開始預(yù)警之前必先明確警情。警情可以從兩個(gè)方面考查，一是警素，即構(gòu)成警情的指標(biāo)，即河蟹養(yǎng)殖用水由哪些指標(biāo)來構(gòu)成警情；二是警度，即警情的嚴(yán)重程度都有哪些，如集約化河蟹養(yǎng)殖的水質(zhì)預(yù)警的警度可以分為無警、輕警、中警、重警等。11.3.1農(nóng)業(yè)預(yù)警基本方法

2.尋找警源尋找警源，即尋找警情產(chǎn)生的根源。導(dǎo)致集約化河蟹養(yǎng)殖水質(zhì)警情發(fā)生的原因主要有∶水源水質(zhì)出現(xiàn)問題，導(dǎo)致入水的鹽度、pH等參數(shù)不合格;水源的水處理設(shè)備出現(xiàn)問題，導(dǎo)致溶氧過低、pH、鹽度不合標(biāo)準(zhǔn);外界環(huán)境發(fā)生重大變化，如氣溫突然升高、氣壓突然降低等現(xiàn)象導(dǎo)致水池水質(zhì)發(fā)生變化;其他設(shè)備問題，如增氧設(shè)備發(fā)生問題、人水水泵發(fā)生問題等。3.分析警兆警兆是處于萌芽狀態(tài)的警情，是警情爆發(fā)之前的先兆，分析警兆是預(yù)警過程中的關(guān)鍵環(huán)節(jié)。從警源的產(chǎn)生到警情的爆發(fā)，其間必有警兆的出現(xiàn)。一般，不同的警情對(duì)應(yīng)著不同的警兆。警兆可以是警源的擴(kuò)散，也可以是警源擴(kuò)散過程中其他相關(guān)的共生現(xiàn)象。一般來說，同一警情指標(biāo)往往對(duì)應(yīng)多個(gè)警兆指標(biāo)，而同一警兆指標(biāo)可能對(duì)應(yīng)多個(gè)警情指標(biāo)。當(dāng)警情指標(biāo)發(fā)生異常變化之前，總有一定的先兆（即警兆），這種先兆與警源可以有直接關(guān)系，也可以有間接關(guān)系，可以有明顯關(guān)系，也可以有隱形的未知黑色關(guān)系。警兆的確定可以從警源入手，也可以依經(jīng)驗(yàn)分析，分析警兆極其報(bào)警區(qū)間便可預(yù)報(bào)預(yù)測(cè)警情。如鹽度出現(xiàn)逐步下降趨勢(shì)、溶氧的變化規(guī)律曲線出現(xiàn)異常等，這些現(xiàn)象往往預(yù)示的警情的發(fā)生。11.3.1農(nóng)業(yè)預(yù)警基本方法

4.預(yù)報(bào)警度預(yù)報(bào)警度是預(yù)警的目的，在河蟹疾病預(yù)警中，首先根據(jù)在警情確定時(shí)所得出的預(yù)警警限，通過對(duì)各類指標(biāo)的分析，確定每一時(shí)期的警級(jí)大小，然后根據(jù)過去的各種指標(biāo)預(yù)測(cè)未來某一時(shí)刻的警級(jí)。并實(shí)時(shí)報(bào)告當(dāng)前預(yù)警警度（狀態(tài)預(yù)警）、未來預(yù)警警度（預(yù)測(cè)預(yù)警）和各因素變化趨勢(shì)（趨勢(shì)預(yù)警）等。5.排除警情排除警情是指根據(jù)已經(jīng)確定的警級(jí)大小，研究應(yīng)對(duì)策略，并且針對(duì)每一種警情，都給出相應(yīng)的對(duì)策建議，以消除警情。對(duì)于水質(zhì)預(yù)警來說，就是按照"預(yù)防為主，綜合防治，防重于治"的原則，通過分析當(dāng)前水產(chǎn)養(yǎng)殖水質(zhì)本身和各種因素的影響，確定警情的嚴(yán)重程度和水質(zhì)的特征，向用戶提供預(yù)警預(yù)案以及防治措施建議，并最終達(dá)到將警情消除的目的。第十一章農(nóng)業(yè)預(yù)測(cè)預(yù)警11.4典型案例11.4

典型案例

1）采用馬爾柯夫模型預(yù)測(cè)農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)

鞠金燕和祝榮欣（2013）對(duì)我國(guó)農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)的預(yù)測(cè)問題進(jìn)行了研究，利用馬爾柯夫模型計(jì)算出其狀態(tài)轉(zhuǎn)移概率矩陣的估算模型與優(yōu)化方法。結(jié)合我國(guó)1999~2009年農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)的統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用此模型預(yù)測(cè)了農(nóng)、林、牧、漁各業(yè)的產(chǎn)值結(jié)構(gòu)，結(jié)果表明此模型的運(yùn)用對(duì)農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)的平均擬合誤差為3.08%，將2009