组合灰色模型在黑土区玉米产量预测中的应用
发布时间：2020-08-06 14:36
【摘要】：我国领土幅员辽阔,人口众多。各地区拥有有限的农业生产原料,人均农业资源占有情况不完整,分配不均等。不同情况的存在表明,农业是决定国民经济快速发展的最重要因素之一。农业是我国的基础产业,吉林省玉米生产在中国农业中发挥着重要作用。农业生产状况过程是一个复合开放的生态系统。粮食生产动态变化,引导粮食生产受到外部因素不同程度的影响,正确有效地预测未来玉米产量和生产状况,有利于促进中国农业生产发展和国家产业发展。农业这个动态不确定系统往往数据模糊、缺失、信息不完善等情况常有存在。利用灰色系统理论可以实现预测、关联、分析问题,灰色系统可以解决这样情况下的建模问题。但是伴随着生产实践的发展,不断出现更多新问题需要进一步的理论知识去解决。本文提出结合时间性的组合灰色系统进行吉林省玉米产量预测。文中在已有文献基础上阐述分析了时间序列、灰色系统理论,数据生成、模型构建等问题,提出组合灰色系统建模方法在吉林省精准农业中玉米产量预测问题中进行应用和检验。主要研究有:(1)介绍了吉林省玉米生产现状、时间序列算法和灰色系统理论原理。(2)根据吉林年鉴数据1996-2016年玉米产量,建立了时间序列算法的玉米产量预测模型;基于灰色系统理论建立玉米产量灰色GM(1,1)预测模型;利用两个模型分别对吉林省黑土区连20年产量数据进行预测,并与实际玉米产量数据进行比较分析,验证模型的有效性。(3)针对玉米产量复杂的特点,考虑到玉米产量的时间特性,结合上述二个模型的优点,构建结合时间序列的组合灰色模型对玉米产量进行预测。组合灰色预测模型的构建步骤为:经过对数函数幂函数方法针对原始数据进行变换平滑处理。把时间序列数据处理后代入灰色模型后进行预测出结果,最后修正预测结果通过建立残差模型。结果表明,灰色系统预测模型对吉林玉米产量的预测效果明显好于单一预测模型。
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：N941.5;S513
【图文】：
表 3-1 1996 年到 2016 年吉林省玉米产量统计表Table 3-1 1996 to 2016 Jilin corn yield statistics. 1996 1997 1998 1999 2000 2001 20021753.4 1260.3 1924.7 1692.6 993.2 1328.4 1540 2003 2004 2005 2006 2007 2008 20091615.3 1810 1815 1984 1800 2083 1810 2010 2011 2012 2013 2014 2015 20162004 2339 2578.78 2775.74 2733.5 2805.73 2833 3.2 可以看出，对过去二十年玉米产量原始数据做时间分析，吉林省玉米产内为非平稳时间序列。吉林省玉米产量这段时间虽然有一定的波动性，但在比较明显。
则模型的拟合度和相关系数应该越大。识别验数据所得的时间序列模型的样本自相关、偏相关函数来进行模型的择合适模型的类型，与时间序列模型匹配的阶数可以确定了[33]。3.3 所示 AFC 自相关图，以及图 3-4 所示的 PAFC 偏自相关，从图中可以列基本呈拖尾趋势，并没有明显的截断点。因为我们前面所说的吉林省平稳时间序列，这时我们为了消除其线性趋势，需要进行差分平稳化省玉米产量数据时间序列为 ARIMA ( p,d,q )。
图 3.4 模型的计算产量和实际产量Figure 3.4 the calculated and actual output of the model（2）预测检验运用ARIMA（ 1 ,2,1）模型预测 1996 年至 2016 年度的吉林省玉米产量，所得的值的比较结果见表 3-5。表 3-5 实际值与预测值统计表（单位：千克每公顷）Table 3-5 statistical table of actual and predicted values年份 实际值 预测值 误差x(1) 1753.40 1860.84 6.13x(2) 1260.30 1219.45 3.24x(3) 1924.70 2010.30 4.45x(4) 1692.60 1663.42 1.72x(5) 1993.20 1907.95 4.28x(6) 1328.40 1420.23 6.91x(7) 1540.00 1569.56 1.92x(8) 1615.30 1633.52 1.13x(9) 1810.00 1909.40 5.49x(10) 1815.00 1947.87 7.32
本文编号：2782542
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：N941.5;S513
【图文】：
表 3-1 1996 年到 2016 年吉林省玉米产量统计表Table 3-1 1996 to 2016 Jilin corn yield statistics. 1996 1997 1998 1999 2000 2001 20021753.4 1260.3 1924.7 1692.6 993.2 1328.4 1540 2003 2004 2005 2006 2007 2008 20091615.3 1810 1815 1984 1800 2083 1810 2010 2011 2012 2013 2014 2015 20162004 2339 2578.78 2775.74 2733.5 2805.73 2833 3.2 可以看出，对过去二十年玉米产量原始数据做时间分析，吉林省玉米产内为非平稳时间序列。吉林省玉米产量这段时间虽然有一定的波动性，但在比较明显。
则模型的拟合度和相关系数应该越大。识别验数据所得的时间序列模型的样本自相关、偏相关函数来进行模型的择合适模型的类型，与时间序列模型匹配的阶数可以确定了[33]。3.3 所示 AFC 自相关图，以及图 3-4 所示的 PAFC 偏自相关，从图中可以列基本呈拖尾趋势，并没有明显的截断点。因为我们前面所说的吉林省平稳时间序列，这时我们为了消除其线性趋势，需要进行差分平稳化省玉米产量数据时间序列为 ARIMA ( p,d,q )。
图 3.4 模型的计算产量和实际产量Figure 3.4 the calculated and actual output of the model（2）预测检验运用ARIMA（ 1 ,2,1）模型预测 1996 年至 2016 年度的吉林省玉米产量，所得的值的比较结果见表 3-5。表 3-5 实际值与预测值统计表（单位：千克每公顷）Table 3-5 statistical table of actual and predicted values年份 实际值 预测值 误差x(1) 1753.40 1860.84 6.13x(2) 1260.30 1219.45 3.24x(3) 1924.70 2010.30 4.45x(4) 1692.60 1663.42 1.72x(5) 1993.20 1907.95 4.28x(6) 1328.40 1420.23 6.91x(7) 1540.00 1569.56 1.92x(8) 1615.30 1633.52 1.13x(9) 1810.00 1909.40 5.49x(10) 1815.00 1947.87 7.32
【参考文献】
相关期刊论文 前8条
1 姜聪;朱家明;陈岩;司捷;;基于灰色理论模型的中国农业发展的预测[J];安庆师范学院学报(自然科学版);2014年02期
2 陈永福;吴蓓蓓;王晶晶;;基于多变量经验概率模型的中国粮食产量模拟预测分析[J];系统工程理论与实践;2012年11期
3 吉奇;;基于Logistic和灾减率方法制作玉米产量的预测[J];中国农学通报;2012年06期
4 江和文;赵铭;郭婷婷;张丽敏;孙卓;高井宝;;基于残差周期修正的辽宁省粮食产量灰色预测[J];气象与环境学报;2011年03期
5 苏涛;王鹏新;刘翔舸;杨博;;基于熵值组合预测和多时相遥感的春玉米估产[J];农业机械学报;2011年01期
6 苏恒强;陈桂芬;朱春娆;;基于熵值法的玉米产量组合预测模型[J];沈阳农业大学学报;2010年01期
7 熊伟;杨婕;林而达;许吟隆;;未来不同气候变化情景下我国玉米产量的初步预测[J];地球科学进展;2008年10期
8 张文英;栗秋生;栗雨勤;;河北省玉米产量灰色理论分析与预测[J];华北农学报;2007年S1期
本文编号：2782542
本文链接：https://www.wllwen.com/projectlw/xtxlw/2782542.html
