Resumen

Con el fin de mejorar la precisión de la predicción a largo plazo de la demanda de grano para piensos, se realiza un modelo de previsión dinámica de la demanda de grano para piensos a largo plazo con un modelo de regresión multivariante conjunto, en el que se analiza en primer lugar la correlación entre la demanda de grano para piensos y sus factores de influencia; a continuación, se predice la tendencia de cambio de varios factores que afectan a la demanda de grano para piensos mediante el modelo ARIMA. Los resultados de la simulación muestran que la precisión del modelo de previsión dinámico combinado propuesto es obviamente superior a la del modelo de sistema gris. Esto indica que el algoritmo propuesto es eficaz.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:demanda de grano para piensos, modelo de regresión multivariante, modelo de previsión dinámica, modelo de sistema gris, precisión de los piensos, precisión de la predicción de términos, modelo de previsión dinámica, modelo arima, resultados de la simulación, factores de influencia
• Keywords:feed grain demand, multivariate regression model, dynamic forecast model, grey system model, accuracy of feed, terms prediction accuracy, dynamic forecasting model, arima model, simulation results, influence factors