29、豆类产量预测模型对比及阿拉伯手写数学表达式空间关系识别研究

豆类产量预测模型对比及阿拉伯手写数学表达式空间关系识别研究

1. 豆类产量预测相关研究

1.1 豆类的重要性及研究背景

豆类富含蛋白质、维生素、纤维和矿物质，能满足世界大部分人口的需求。近几十年来，国际上对豆类的需求不断增加。在发展中国家，约 80%的豆类用于人类食品；在发达国家，约 40%用于人类食品，50%用于动物饲料。豆类在农业领域起着关键作用，而农业正面临土地资源、环境变化、粮食需求增长和粮食商品市场不稳定等挑战。巴基斯坦是世界第五大豆类种植国，农业占国内生产总值的 18.50%，农业劳动力占比达 42.02%，因此准确掌握农业商品数据十分重要。

1.2 预测方法概述

为了进行预测，医学、农业、工业、计算机科学等多个领域采用了传统统计和数学方法。例如，Rahman 研究了孟加拉国黑豆、草豌豆和绿豆的种植面积和产量预测；Vishwajith 运用 ARIMA 和 GARCH 统计预测模型对印度豆类产量进行预测；Lecerf 研究了欧洲作物产量的预测模型。此外，模糊时间序列在许多领域也得到了广泛应用。在不确定性较高的特定区域和领域，传统统计方法效果不佳，Zadeh 提出了模糊集的概念，多种模糊时间序列方法被用作传统统计时间序列模型的替代方案。

1.3 相关工作回顾

许多不同类型的模型被开发用于解决实际问题。例如，Chen 提出了双因素时变模型，Huarng 将启发式知识与 Chen 的模型相结合，Yu 提出了基于平均和分布划分的加权模糊时间序列新方法。此外，还有 Singh 开发的应对高波动时间序列数据的方法，Ghosh 提出的基于 L - R 模糊集的改进模糊方法，Iqbal 提出的新模糊时间序列算法，