基于数据挖掘的粮食市场价格模型研究

发布时间：2020-06-16 20:17

【摘要】：粮食是人类赖以生存的根本,国家要想发展首先就要保证粮食能够满足人们日常消耗。而现在人民对粮食最关心的问题便是粮食的市场价的高低,包括新出现的粮食安全问题,该问题的重要影响因素也是粮食市场价,因此粮食市场价对我国居民的生活有着很大的影响。一旦粮食市场价过高,那么在城镇生活的居民的饮食消费支出会大大提高,从而影响他们的正常生活,如果粮食市场价过低,那么粮农的根本收入得不到保障,从而影响粮农种植的积极性进而影响粮食的产量,一旦粮食产量不足,国家的稳定与发展便受到了影响。因此,确定一个合理的粮食市场价,这对国民经济的可持续发展与国家的稳定有着重要作用。对市场价的预测、了解粮食市场价的变化趋势,无论是对粮农、城镇居民还是国家都有着重大的意义。本文主要分为三个部分。第一部分将建立影响粮食市场价指标体系的数学模型,通过分析研究各影响因素与粮食市场价格之间关联度,得出了对粮食市场价格影响最大的是粮食的受灾面积。第二部分运用主成分分析法(PCA)、主成分分析—组合赋权法、数据包路分析法(DEA)分别对历年粮食市场价的环境进行评价,其中改进的主成分方法的优势在于将主观因素考虑进去,通过对比3种模型的结果得出粮食市场价的环境在慢慢改善。第三部分运用灰色预测模型以及加性DEA与灰色预测的加权预测法对粮食市场价格进行预测,将各模型的结果进行对比分析得出,组合预测模型的精度虽然高,但是没有考虑多因素的GM(1,N)的精度高,以及粮食市场价的价格指数在2018年为97.11.
【学位授予单位】：景德镇陶瓷大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F326.11;F323.7;F224
【图文】：

分析图,分析图,决策单元

标的综合信息，而且经过功效系数法的它不仅仅是考虑客观因素还将主观因素考分析模型而言，CCR 模型在计算效率值时效率值为 1)的情形，从而使得有效决策单元型在计算过程中对于有效的决策单元而言，而对于无效的决策单元而言，其所得的效率单元可以实现完全排序。析的方法和运用 R 软件对标准化的数据进如下,便可以得到判断主成分个数的图形("ls1.txt")a="pc",n.iter = 100,show.legend = FALSE)

折线图,价格指数,残差

图 2 残差与价格指数图FIG. 2 residual and price indices从表格与图中可以看出：从 2012-2015 年这几年中三种模型求解出来的预测值与实际值之间的差距普遍偏小，这表明三种模型求解出来的数据精度在不断提高，而且在 2013 年时，三种模型求解出来的估计值与实际值之间的差距都很小。就 GM(1，1)模型与 GM(1，N)模型对比而言，GM(1,N)模型的精度明显比 GM(1,1)高，不过也有例外的情况，那就是 2007 年和 2008 年，这两年的粮食市场价的价格指数的预测值与实际值之间的偏差远远大于 GM(1，1)模型中预测值与实际值之间的偏差，这可能是由于在考虑多种因素的情况下，其中某种因素对粮食市场价的影响较大而使估计值产生了较大的偏差，而且从残差值的大小可以看出GM(1,N)模型的精度要更加精确。就 GM(1，1）模型与加权组合预测模型对比而言，这两种模型的残差值的大小相差不大而且都是远远小于 0.1 的，模型的拟合优度都十分好，求解出来的预测值相差不大，但就整体而言加权组合模型的精度要高于 GM(1，1)模型。就三种模型比较而言，从三种模型的折线图中可以知道，在大部分时候 GM(1，N) 模型的折线图比其他两种模型的折线图更加贴近实际值的折线图，这就说明 GM(1，N)模型比其他两种模型更加精确，即这种方法预测

【参考文献】