毕业论文-我国粮食产量预测的时间序列模型研究

《毕业论文-我国粮食产量预测的时间序列模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：F810.3UDC：D10621-407-(2011)3077-0密级：公开编号：2007062010学位论文我国粮食产量预测的时间序列模型研究论文作者姓名：Xxxx申请学位专业：信息与计算科学申请学位类别：理学学士指导教师姓名（职称）：论文提交日期：2011年06月5日我国粮食产量预测的时间序列模型研究摘要粮食是关系国民生计的重要战略物资，为做好粮食预测，本文介绍了时间序列的几种建模方法。通过分析1978-2009年我国粮食生产总量数据特点，建立了单积自回归移动平均模型ARIMA(p，d，q)

2、。最终，利用Eviews6.0软件计算完成了我国粮食产量的预测。结果表明，在未来几年我国粮食产量在不受自然灾害影响的前提下，依然会进行缓慢增长。经分析，重大自然灾害对我国粮食产量影响严重，确保粮食产量要做好重大自然灾害预防。关键字：粮食产量；时间序列；ARIMA；预测ResearchforForecastingofChina’sGrainYieldBasedonTimeSeriesModelAbstractGrainisanimportantlivelihoodstrategyforthenationa

3、lrelationshipbetweenmaterial.Forecastforthegrain,thisthesisintroducesseveralmodelingmethodsoftimeserialsMethodandestablishesautoregressivemovingaveragemodelARIMA(p,d,q)byanalyzingcharacteristicsofChina’sgrainyieldfrom1978to2009.Finally,forecastingofChina

4、’sgrainyieldisfinishedbymeansofEviews6.0andtheresultshowsthatChina’sgrainyieldwillstillgrowslowlyinthenextfewyearsifnotbeingaffectedbynaturaldisasters.Keywords:grainyield;timeserials;ARIMA;forecasting目录论文总页数：16页1引言11.1课题背景11.2国内外研究现状11.3本课题研究的意义21.4本课题的研

5、究方法22几种时间序列预测分析法简介22.1自回归（AR）模型22.2移动平均（MA）模型32.3自回归移动平均（ARMA）模型32.4差分自回归滑动平均（ARIMA）模型42.4.1ARIMA模型原理42.4.2ARIMA模型预测的基本程序43数据分析及模型建立43.1数据分析43.2数据平稳化63.3模型的定阶83.4模型优化103.5模型检验113.6模型有效性检验113.7模型预测12结论12参考文献12附录13致谢15声明1611引言1.1课题背景“国以民为本,民以食为天。”粮食是关系国计民生

6、的重要战略物资，粮食安全与社会的和谐、政治的稳定、经济的持续发展息息相关。我国是发展中的农业大国，耕地仅占世界10％，而人口却占世界的22％，十几亿人的粮食问题始终是头等大事。加入WTO以后，我国的粮食安全问题受到了国内外的广泛关注。我国粮食产量受多种因素影响，没有规律可循。1.2国内外研究现状我国学者对粮食产量的预测模型总体上来说大致可以分为三大类:时间序列模型、回归模型和人工神经网络模型。指数平滑模型、灰色预测模型及基于马尔可夫链的预测模型等都属于时间序列模型。回归模型中使用比较多的就是线性回归模型

7、和双对数模型。人工神经网络模型是近几年才开始使用的基于生物学原理的预测系统。这些方法的优缺点分析如下:首先,指数平滑模型的原理和计算方法比较简单,对历史数据的数量没有太大的要求。迟灵芝(2004)曾运用单指数平滑方法首先对我国1991—1999年的粮食产量进行拟合,计算出平均相对误差为0.104%,效果还是比较理想的。但是模型中对平滑系数的确定直接关系到模型的精度问题,所以不同的平滑系数就可能造成结果的差异。林绍森等(2007)对三种预测模型的分析的结果证明了指数平滑法的预测误差最大。此外,由于模型本身

8、在计算方法上的局限性,该方法只适用于近、短期预测。灰色预测模型也是比较常用的粮食产量预测模型。迟灵芝(2002)对灰色预测方法和回归模型进行比较分析,得出灰色预测的平均相对误差最小的结论。林绍森等(2007)对单指数平滑、自回归移动平均和灰色预测三种模型进行了比较,他指出灰色预测模型比自回归预测模型和单指数平滑预测模型更适合长期的预测。线性(或非线性)回归模型的一个优点是可对变量之间进行因果分析,描述其内在的联系。很多学者利用这一方法建立了