基于聚类分析与时序算法的玉米测产模型研究 - 吉林农业大学学报.pdfVIP

吉林农业大学学报 2012 ，11 Journal of Jilin Agricultural University E-mail:jlndxb@ 基于聚类分析与时序算法的玉米测产模型研究∗ 徐兴梅，周翠娟，陈桂芬** 吉林农业大学信息技术学院，长春 130118 摘 要：以每公顷玉米产量数据序列为分析处理对象，对玉米产量的时间序列进行了预测分析。结合线性回归分析 技术和聚类分析理论，采用分层聚类算法与 AR 时序算法相融合的方法，探明影响玉米产量的主要因素，确定分层 聚类方案，建立一个基于聚类分析的玉米产量 AR 时序模型，并对 2005—2009 年的玉米产量进行了预测。聚类分 析后模型预测结果的误差值大多数＜5% 。 关键词：线性回归分析；聚类分析；AR 模型；玉米产量 中图分类号：TP399;S513 文献标识码：A 文章编号：1000-5684(2012) 网络出版地址： Study of Corn Output Measuring Model Based on Cluster Analysis and Time Series Algorithm XU Xing-mei, ZHOU Cui-juan, CHEN Gui-fen College of Information and Technology , Jilin Agricultural University, Changchun 130118, China Abstract: Taking corn output data of per hectare series as analysis and processing object, the study on the predictive parsing of corn output time series was carried on. Combing linear regression analysis technique and cluster analysis theory and using the methods of hierarchical clustering algorithms and timing algorithms AR fusion, major factors affecting corn output were ascertained, hierarchical clustering scheme was determined, a corn output AR time series model based on cluster analysis was established, and the 2005 to 2009 corn output was predicted. the error of most model prediction results after clustering analysis is less than 5%. Key words: linear regression analysis; cluster analysis; AR model; corn output 我国是一个农业大国，农业是国民经济的支柱。 因素的影响程度考虑不是很全面，容易造成模型的 众所周知，农业生产系统是一个复杂的系统，具有 预测效果不佳。本研究采用聚类分析与时序分析相 高度的不确定性，这些不确定性包括地力等级、气 结合的方法对玉米产量进行预测，去除噪声数据， 候及田间管理等诸多因素，给玉米产量的预测带来 降低数据维数，建立合理的预测模型[4]，旨在将其 了困难。准确地预报全国粮食产量对于粮食进出口、 应用到下一步的农业生产中。 储存、调度和制订农业生产计划具有重要意义。 1 关键技术与方法介绍 时间序列模型在使用过程中积累了一整套完整 的理论体系，应用范围比较广。刘钦普综合运用相 1.1数据