河北省糧食產(chǎn)量預(yù)測新法探究

《河北省糧食產(chǎn)量預(yù)測新法探究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、河北省糧食產(chǎn)量預(yù)測新法探究摘要:糧食安全對中國來說是一個重大的戰(zhàn)略問題,是歷屆政府的工作重點｡目前在糧食產(chǎn)量預(yù)測上,理論界和實踐中均采用預(yù)測精度不高的單一方法,這在一定程度上影響了糧食工作的正常開展｡為了提高預(yù)算精度,應(yīng)采用回歸和馬爾可夫聯(lián)合模型的方法｡實踐證明:采用此聯(lián)合模型的方法,其預(yù)測值尤為符合實際產(chǎn)量｡關(guān)鍵詞:糧食產(chǎn)量;回歸預(yù)測;馬爾可夫過程模型;聯(lián)合預(yù)測模型中圖分類號:F302.5文獻標(biāo)識碼:A文章編號:1003-3890(2008)12-0068-041

2、1近年來糧食安全已經(jīng)成為全球性的問題,中國是一個人口大國,更是一個糧食消費大國,糧食安全問題尤為突出｡對此河北省在“十一五”規(guī)劃中已把糧食安全問題列為政府工作的重中之重｡相應(yīng)地,對河北省糧食產(chǎn)量有效預(yù)測方法的研究也擺在了重要位置｡目前,國內(nèi)關(guān)于糧食產(chǎn)量預(yù)測問題,研究的文獻大多采用回歸預(yù)測､灰色預(yù)測､馬爾科夫､神經(jīng)網(wǎng)絡(luò)等幾類方法,這些均為單一方法地建立模型進行預(yù)測,在一定程度上影響了預(yù)測的精度｡本文嘗試用回歸和馬爾可夫預(yù)測聯(lián)合

3、模型的方法對河北省的糧食產(chǎn)量進行預(yù)測｡一､預(yù)測模型的選擇(一)模型選擇的依據(jù)糧食產(chǎn)量的變化受諸多因素的影響,其中氣候影響為主要因素｡由于氣候的變化帶有明顯的周期性,它與糧食產(chǎn)量的變化幾乎同步進行｡根據(jù)多年統(tǒng)計資料顯示,糧食產(chǎn)量的變化趨勢是由兩部分構(gòu)成的:一是它的趨勢增長;二是隨氣候條件變化的波動性｡因此,我們認為,糧食產(chǎn)量的變化既有按回歸規(guī)律變化的趨勢,又受馬爾可夫狀態(tài)轉(zhuǎn)移概率的影響｡選擇一元回歸與馬爾可夫鏈聯(lián)合預(yù)測模型能同時兼顧糧食產(chǎn)量

4、的兩種變化過程,從而可以更加準(zhǔn)確地對糧食產(chǎn)量的變化規(guī)律進行描述和預(yù)測｡(二)建立模型的原理1.回歸預(yù)測模型簡介在農(nóng)業(yè)中生成“S形”的生長曲線是很普遍的,反映了環(huán)境容量的有限性以及資源的稀缺性｡由于Logistic曲線具有“S形”的特征以及在生物生長曲線過程中得到了廣泛應(yīng)用,所以本文采用Logistic的回歸模型,其表達式為:Y(t)=11式中:L､a､b是參數(shù)(a>0,b>0)｡當(dāng)t→-∞時,Y→0;t→+∞時,Y→L,L是Y的增長上限｡

5、2.馬爾可夫預(yù)測模型簡介馬爾可夫?qū)r間序列看作一個隨機過程,其理論基礎(chǔ)是馬爾可夫過程,具有無后效性的特點,即:已知過程在每一時刻t所處的狀態(tài)Ei,僅與t-1時刻的狀態(tài)有關(guān),而與t-1時刻之前的狀態(tài)無關(guān)｡因此,只需知道各狀態(tài)間的一步轉(zhuǎn)移概率就可以知道從初始狀態(tài)到將來時刻轉(zhuǎn)移到另一狀態(tài)的概率｡在實際計算中,計算一步轉(zhuǎn)移概率的公式為:Pij(1)=(i,j=1,2,…m)式中:Mij(1)為隨機變量由狀態(tài)Ei經(jīng)過1步轉(zhuǎn)移到狀態(tài)Ej的原始數(shù)據(jù)樣本數(shù);Mi為處于狀態(tài)Ei的原始數(shù)據(jù)樣本數(shù);m為系統(tǒng)的狀態(tài)個

6、數(shù)｡由于系統(tǒng)的狀態(tài)共有m個,所以系統(tǒng)一次轉(zhuǎn)移概率的全體組成一個矩陣,記為:P=P11P12…P1mP21P22…P2m┆┆…┆Pm1Pm2…Pmm如果系統(tǒng)的狀態(tài)不只經(jīng)過一次轉(zhuǎn)移,而是經(jīng)過多次轉(zhuǎn)移,則可以用m步轉(zhuǎn)移矩陣來描述｡記m步轉(zhuǎn)移矩陣為P(m),有:P(m)=P(m-1)•P=Pm11預(yù)測模型為:S(m+1)=S(0)•Pm+1,其中S(0)為系統(tǒng)的初始狀態(tài)向｡(三)建立聯(lián)合模型根據(jù)前文所述,趨勢變量的變化規(guī)律可用回歸預(yù)測模型進行預(yù)測;而隨機變量則用馬

7、爾可夫過程的轉(zhuǎn)移概率矩陣進行狀態(tài)的轉(zhuǎn)移｡因此,建立回歸與馬爾可夫聯(lián)合模型來預(yù)測糧食產(chǎn)量,可以兼顧作物本身的生長曲線性和產(chǎn)量的隨機性兩種變化規(guī)律,還能提高預(yù)測的精度和準(zhǔn)確性｡這就是本文建立回歸與馬爾可夫聯(lián)合預(yù)測模型的思想｡其模型為:(t)=+s(t)(t=1,2,…n)式中:(t)為回歸預(yù)測趨勢擬合值;s(t)為隨機變量;(t)為聯(lián)合預(yù)測值｡二､實證分析(一)回歸預(yù)測方程的確定根據(jù)河北省糧食總產(chǎn)量原始數(shù)據(jù)繪出趨勢圖(見圖1),運用SPSS11.5選擇與原

8、始數(shù)據(jù)擬合較好的趨勢線,確定趨勢方程｡關(guān)于Logistic曲線中L的確定是目前理論界的難點,本文根據(jù)河北省歷年的產(chǎn)量及年增長幅度,確定2015年糧食的極限產(chǎn)量為4000萬t,即為L=4000｡((t)=(R2=0.938)(二)糧食產(chǎn)量的狀態(tài)劃分及隨機變量數(shù)值的確定11當(dāng)預(yù)測對象本身已有明