資源描述：
《我國糧食產(chǎn)量預(yù)測的時間序列模型研究 畢業(yè)論文》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、我國糧食產(chǎn)量預(yù)測的時間序列模型研究摘要糧食是關(guān)系國民生計的重要戰(zhàn)略物資，為做好糧食預(yù)測，本文介紹了時間序列的幾種建模方法。通過分析1978-2009年我國糧食生產(chǎn)總量數(shù)據(jù)特點，建立了單積自回歸移動平均模型ARIMA(p，d，q)。最終，利用Eviews6.0軟件計算完成了我國糧食產(chǎn)量的預(yù)測。結(jié)果表明，在未來幾年我國糧食產(chǎn)量在不受自然災(zāi)害影響的前提下，依然會進(jìn)行緩慢增長。經(jīng)分析，重大自然災(zāi)害對我國糧食產(chǎn)量影響嚴(yán)重，確保糧食產(chǎn)量要做好重大自然災(zāi)害預(yù)防。關(guān)鍵字：糧食產(chǎn)量；時間序列；ARIMA；預(yù)測ResearchforForecastingofChin
2、a’sGrainYieldBasedonTimeSeriesModelAbstractGrainisanimportantlivelihoodstrategyforthenationalrelationshipbetweenmaterial.Forecastforthegrain,thisthesisintroducesseveralmodelingmethodsoftimeserialsMethodandestablishesautoregressivemovingaveragemodelARIMA(p,d,q)byanalyzingchara
3、cteristicsofChina’sgrainyieldfrom1978to2009.Finally,forecastingofChina’sgrainyieldisfinishedbymeansofEviews6.0andtheresultshowsthatChina’sgrainyieldwillstillgrowslowlyinthenextfewyearsifnotbeingaffectedbynaturaldisasters.Keywords:grainyield;timeserials;ARIMA;forecasting目錄1引言1
4、1.1課題背景11.2國內(nèi)外研究現(xiàn)狀11.3本課題研究的意義21.4本課題的研究方法22幾種時間序列預(yù)測分析法簡介22.1自回歸（AR）模型22.2移動平均（MA）模型32.3自回歸移動平均（ARMA）模型32.4差分自回歸滑動平均（ARIMA）模型42.4.1ARIMA模型原理42.4.2ARIMA模型預(yù)測的基本程序43數(shù)據(jù)分析及模型建立43.1數(shù)據(jù)分析43.2數(shù)據(jù)平穩(wěn)化63.3模型的定階83.4模型優(yōu)化103.5模型檢驗113.6模型有效性檢驗113.7模型預(yù)測12結(jié)論12參考文獻(xiàn)12附錄13致謝15聲明1611引言1.1課題背景“國以民為本
5、,民以食為天?！奔Z食是關(guān)系國計民生的重要戰(zhàn)略物資，糧食安全與社會的和諧、政治的穩(wěn)定、經(jīng)濟(jì)的持續(xù)發(fā)展息息相關(guān)。我國是發(fā)展中的農(nóng)業(yè)大國，耕地僅占世界10％，而人口卻占世界的22％，十幾億人的糧食問題始終是頭等大事。加入WTO以后，我國的糧食安全問題受到了國內(nèi)外的廣泛關(guān)注。我國糧食產(chǎn)量受多種因素影響，沒有規(guī)律可循。1.2國內(nèi)外研究現(xiàn)狀我國學(xué)者對糧食產(chǎn)量的預(yù)測模型總體上來說大致可以分為三大類:時間序列模型、回歸模型和人工神經(jīng)網(wǎng)絡(luò)模型。指數(shù)平滑模型、灰色預(yù)測模型及基于馬爾可夫鏈的預(yù)測模型等都屬于時間序列模型?；貧w模型中使用比較多的就是線性回歸模型和雙對數(shù)模
6、型。人工神經(jīng)網(wǎng)絡(luò)模型是近幾年才開始使用的基于生物學(xué)原理的預(yù)測系統(tǒng)。這些方法的優(yōu)缺點分析如下:首先,指數(shù)平滑模型的原理和計算方法比較簡單,對歷史數(shù)據(jù)的數(shù)量沒有太大的要求。遲靈芝(2004)曾運用單指數(shù)平滑方法首先對我國1991—1999年的糧食產(chǎn)量進(jìn)行擬合,計算出平均相對誤差為0.104%,效果還是比較理想的。但是模型中對平滑系數(shù)的確定直接關(guān)系到模型的精度問題,所以不同的平滑系數(shù)就可能造成結(jié)果的差異。林紹森等(2007)對三種預(yù)測模型的分析的結(jié)果證明了指數(shù)平滑法的預(yù)測誤差最大。此外,由于模型本身在計算方法上的局限性,該方法只適用于近、短期預(yù)測。灰色
7、預(yù)測模型也是比較常用的糧食產(chǎn)量預(yù)測模型。遲靈芝(2002)對灰色預(yù)測方法和回歸模型進(jìn)行比較分析,得出灰色預(yù)測的平均相對誤差最小的結(jié)論。林紹森等(2007)對單指數(shù)平滑、自回歸移動平均和灰色預(yù)測三種模型進(jìn)行了比較,他指出灰色預(yù)測模型比自回歸預(yù)測模型和單指數(shù)平滑預(yù)測模型更適合長期的預(yù)測。線性(或非線性)回歸模型的一個優(yōu)點是可對變量之間進(jìn)行因果分析,描述其內(nèi)在的聯(lián)系。很多學(xué)者利用這一方法建立了糧食產(chǎn)量模型,找到了影響糧食產(chǎn)量的主要因素。如李子奈(2000)的線性回歸函數(shù)、石森昌等(2003)的雙對數(shù)生產(chǎn)函數(shù)、李云松等(2002)、肖海峰等(2004)、
8、程杰等(2007)的柯布—道格拉斯生產(chǎn)函數(shù)等等。雖然他們選取的變量都不盡相同,但是都證明了回歸模型對糧食產(chǎn)量的擬合效果很好。但是回歸方法
