中国农产品产量预测模型的比较研究
发布时间：2020-10-26 12:01
在现有研究中国农产品产量的预测中,将基于ARIMA模型、灰色预测模型、OPT准则下模型平均等预测方法应用于中国各种农产品产量的预测中,都取得了较好的预测效果。为提高中国农产品产量的预测水平,比较基于不同模型预测方法的中国农产品产量的预测误差有着重要的意义。本文对中国农产品产量的预测进行了实证研究。通过基于ARIMA模型、灰色预测模型、OPT准则下的模型平均三种预测方法,先对中国粮食总产量进行未来三年的短期预测及未来九年的中长期预测,并比较粮食总产量在不同模型预测方法下的短期预测误差和中长期预测误差。同时,通过预测粮食的具体农产品—玉米的农产量,进一步分析玉米农产量在三种预测方法下的短期及中长期预测效果,判断预测效果是否一致。实证结果分析表明:对于中国粮食总产量的中长期预测与短期预测,OPT准则下模型平均方法的预测效果最好,而ARIMA模型中长期预测与短期预测的平均相对误差均小于灰色预测模型。在玉米农产量的短期预测中,灰色预测与OPT准则下模型平均方法预测的平均相对误差较小,且OPT准则下模型平均方法的预测效果要好于灰色预测,ARIMA模型对于玉米农产量的预测效果最差。通过对玉米农产量的中长期预测发现,三种预测方法的预测效果均较差,但OPT准则下模型平均方法的预测误差低于灰色预测和ARIMA模型预测。因此,粮食总产量和玉米农产量短期和中长期的最优预测模型相对一致,预测效果却并不一致。
【学位单位】：青岛大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F323
【部分图文】：
序列变化趋势图如图 3.1。(1)粮食总产量变化趋势图 (2)玉米农产量变化趋势图图3.1 农产品产量的时间序列变化趋势图图 3.1 中通过对变化趋势的分析，可判断粮食总产量、玉米农产量在长期预测中趋于上升。由于玉米农产量是粮食总产量的一部分，玉米农产量的增长也会促进粮食总产量的增长，同时侧面反映了中国农产品生产能力不断提升的发展状态。粮食总产量与玉米农产量趋于增长的同时，也会伴随着农产量下降的风险，为更好的预测分析农产品产量，应理性的看待影响农产量变化的不利因素。在农产品的生产过程中存在着多种制约农业生产的不利因素，影响农产品产量的增长。如中
青岛大学硕士学位论文23图4.1 粮食总产量中长期预测的置信区间从图 4.1 中可看出，通过 ARIMA 模型对中国粮食总产量未来九年的中长期预测，粮食总产量的预测值落在 SAS 程序默认的置信水平为 95%的置信区间内，说明粮食总产量的预测估计有效。4.1.2 中国农产品产量基于 ARIMA 模型的短期预测同样地，通过对 1978 年—2013 年的中国粮食总产量、玉米农产量数据分别建立 ARIMA 模型，短期预测 2014 年—2016 年的农产量，分析基于 ARIMA 模型短期预测粮食总产量、玉米农产量的预测效果。关于中国粮食总产量、玉米农产量的 ARIMA 短期预测模型的建立，需对模型不断的识别与修改。最后确立中国粮食总产量的 ARIMA 短期预测模型为ARIMA( 2,2,0)
青岛大学硕士学位论文25图4.2 粮食总产量短期预测的置信区间从图 4.2 中可看出，通过对中国粮食总产量未来三年的短期预测，粮食总产量在置信水平为 95%的预测区间内上下浮动，预测效果较好。4.2 基于灰色 GM(1，1)模型预测中国农产品产量以中国粮食总产量、玉米农产量为例，基于灰色预测 GM(1,1)模型预测农产品产量。在本文中，若由 R 软件计算的灰色预测模型拟合的相对精度大于 90%，则认为该灰色预测模型的建立是合理的。否则，假设为不合理。4.2.1 中国农产品产量基于灰色 GM(1
【参考文献】
本文编号：2856969
【学位单位】：青岛大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F323
【部分图文】：
序列变化趋势图如图 3.1。(1)粮食总产量变化趋势图 (2)玉米农产量变化趋势图图3.1 农产品产量的时间序列变化趋势图图 3.1 中通过对变化趋势的分析，可判断粮食总产量、玉米农产量在长期预测中趋于上升。由于玉米农产量是粮食总产量的一部分，玉米农产量的增长也会促进粮食总产量的增长，同时侧面反映了中国农产品生产能力不断提升的发展状态。粮食总产量与玉米农产量趋于增长的同时，也会伴随着农产量下降的风险，为更好的预测分析农产品产量，应理性的看待影响农产量变化的不利因素。在农产品的生产过程中存在着多种制约农业生产的不利因素，影响农产品产量的增长。如中
青岛大学硕士学位论文23图4.1 粮食总产量中长期预测的置信区间从图 4.1 中可看出，通过 ARIMA 模型对中国粮食总产量未来九年的中长期预测，粮食总产量的预测值落在 SAS 程序默认的置信水平为 95%的置信区间内，说明粮食总产量的预测估计有效。4.1.2 中国农产品产量基于 ARIMA 模型的短期预测同样地，通过对 1978 年—2013 年的中国粮食总产量、玉米农产量数据分别建立 ARIMA 模型，短期预测 2014 年—2016 年的农产量，分析基于 ARIMA 模型短期预测粮食总产量、玉米农产量的预测效果。关于中国粮食总产量、玉米农产量的 ARIMA 短期预测模型的建立，需对模型不断的识别与修改。最后确立中国粮食总产量的 ARIMA 短期预测模型为ARIMA( 2,2,0)
青岛大学硕士学位论文25图4.2 粮食总产量短期预测的置信区间从图 4.2 中可看出，通过对中国粮食总产量未来三年的短期预测，粮食总产量在置信水平为 95%的预测区间内上下浮动，预测效果较好。4.2 基于灰色 GM(1，1)模型预测中国农产品产量以中国粮食总产量、玉米农产量为例，基于灰色预测 GM(1,1)模型预测农产品产量。在本文中，若由 R 软件计算的灰色预测模型拟合的相对精度大于 90%，则认为该灰色预测模型的建立是合理的。否则，假设为不合理。4.2.1 中国农产品产量基于灰色 GM(1
【参考文献】
相关期刊论文 前10条
1 陈心洁;林鹏;;工具变量线性回归模型的平均估计[J];系统科学与数学;2015年12期
2 李佳蓓;朱永忠;王明刚;;贝叶斯变量选择及模型平均的研究[J];统计与信息论坛;2015年08期
3 赵国庆;邬琼;;模型平均预测理论与实证研究[J];商业经济与管理;2014年07期
4 许贵阳;;基于灰色预测方法的中国黄金期货价格预测模型[J];黄金;2014年01期
5 陈焕珍;;基于灰色马尔科夫模型的青岛市粮食产量预测[J];计算机仿真;2013年05期
6 陈兆荣;雷勋平;王亮;叶松;;基于ARIMA-SVM组合模型的我国农产品价格预测研究[J];财经理论研究;2013年02期
7 张勃;刘秀丽;;基于ARIMA模型的生态足迹动态模拟和预测——以甘肃省为例[J];生态学报;2011年20期
8 张新雨;邹国华;;模型平均方法及其在预测中的应用[J];统计研究;2011年06期
9 张可;刘思峰;;线性时变参数离散灰色预测模型[J];系统工程理论与实践;2010年09期
10 肖培灵;马军海;耿立艳;;基于灰色支持向量机组合模型的农产品产量预测[J];中国农机化;2010年01期
本文编号：2856969
本文链接：https://www.wllwen.com/jingjilunwen/nongyejingjilunwen/2856969.html
