资源描述：
《运用SAS软件系统对我国农作物受灾及成灾面积的预测分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2001年4月系统工程理论与实践第4期 文章编号:100026788(2001)0420141204运用SAS软件系统对我国农作物受灾及成灾面积的预测分析陈 平,达庆利(东南大学应用数学系,江苏南京210096)摘要:运用SAS软件系统中的一些时间序列建模方法及回归分析方法对我国农作物受灾及成灾面积作了预测分析,得到了较高的预测精度,为我国的灾害预测提供了一种方便实用的方法.关键词:自然灾害;时间序列;预测中图分类号:X43文献编识码:AaPredictionandAnalysisfortheDisasterAreaofCropsinOurCountrybySASSystem
2、CHENPing,DAQing2li(DepartmentofMathematics,SoutheastUniversity,Nanjing210096,China)AbstractBysometimeseriesmethodsandregressionanalysismethodsofSASsystem,wedosomepredictionandanalysisfordisasterareaanddestroyedareaofcropsinourcountry.Itisshownthattheaccuracyofpredictionisfairlygood.Thispape
3、raffordsusefulmethodforthedisasterpredictioninourcountry.Keywordsnaturaldisaster;timeseries;prediction1 引言世界各国的经验都表明,社会的持续发展要受资源、灾害、环境三项基本条件的制约.一般而言,灾害是指不利的自然现象对人类社会所带来的危害.人们在长期的实践中认识到,对付自然灾害除了工程措施外,还必须广泛采用非工程措施.考察自然灾害必须从全局出发去分析它的原因,研究它的规律和发展趋势.灾害的一些指标,最普遍的是农作物受灾面积,而成灾面积是受灾面积中根据统一规定的损失[1]严重
4、程度来确定的.如何做好受灾和成灾面积的预测是灾害防御决策的重要环节.据作者所知,现有的一些预测方法大多是零散的、自编程序方式的,一般来说,这类方法的公式推导和计算量都比较大,故较难统一推广使用.本文运用国际著名的大型集成软件系统SAS中的时间序列和回归分析方法对我国历年的农作物受灾和成灾面积作了预测分析.我们分别用求和自回归滑动平均(ARIMA)方法及逐步自回归方法,作了各种参数搭配的试算比较,最后确定的二个程序对最近7年(1992-1998)农作物受灾面积的平均绝对滚动预测误差分别为5.41%和4.98%.2 用ARIMA过程对农作物受灾面积的预测由文献[2]可知,SASö
5、ETS软件中的ARIMA(求和自回归滑动平均)过程提供了一个综合工具包来进行一元时间序列的模型识别、参数估计及预测分析.基于我国1951-1998年农作物受灾面积数据(见表a收稿日期:1999208210资助项目:国家重点科技项目之专题资助(962908203204)©1995-2005TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.142系统工程理论与实践2001年4月1,其中1967-1971年及1978年的数据缺失),我们用ARIMA过程作了模拟和预测.数学上纯ARIMA模型记作q1-H1B-⋯-HqBWt=L+
6、pEt(1)1-71B-⋯-7pB其中,t代表年份;Wt表示响应序列Yt或Yt的差分;L为均值项;B是后移算子;Et表示独立扰动或称作随机误差.表1 我国历年农作物受灾面积数据面积单位:万亩年份受灾面积年份受灾面积年份受灾面积年份受灾面积195121358.50196252050.00197959050.50199057711.00195213552.50196348820.50198066787.50199183208.00195335463.00196432763.00198159679.60199277000.00195432125.05196531205.551982
7、49645.50199373244.00195530081.00196637045.05198352032.00199482564.00195628292.55197260865.50198447830.50199568811.00195743724.55197354739.05198566547.05199670483.00195846444.50197457883.05198670702.50199780143.00195962199.00197553029.05198762810.55199875
