资源描述：
《新陈代谢GM_1_1_模型在生猪存栏预测中的应用》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、第20卷第6期黑龙江八一农垦大学学报20（6）：98~1002008年12月JournalofHeilongjian黑龙江八一农垦大学学报gAugustFirstLandReclamationUniversityDec.2008第20卷文章编号：1002-2090（2008）06-0098-03新陈代谢GM(1,1)模型在生猪存栏预测中的应用韦春波，曲红焱，贾永全，史超群（黑龙江八一农垦大学动物科技学院，大庆163319）摘要:为对养猪生产给出准确科学地预测，本文利用灰色预测的建模机理，结合养猪生产发展实例,建立了养猪生产的新陈代谢GM
2、(1,1)预测模型。通过实例计算表明，该模型优于常规GM(1,1)模型；应用该模型预测可知，在2008～2009年期间大庆市养猪业将保持快速发展势头。关键词:新陈代谢GM(1,1)模型；生猪存栏量；预测中图分类号：F307.3文献标识码：AApplicationofMetabolizingModelGM(1,1)inForecastingtheQuantityofLiveHogsWeiChunbo,QuHongyan,JiaYongquan,ShiChaoqun(CollegeofAnimalScienceandtechnology,H
3、eilongjiangAugustFirstLandReclamationUniversity,Daqing,163319)Abstract:TogivethescientificandaccuratepredictionsofHogProduction,accordingtomodelingtheoryofGreyPredictionandcaseofHogProduction,ametabolismGM（1,1）predictingmodelisestablished.Theresultshowsthatthemodelhasbee
4、nsuperiortotheconventionalGM(1,1)model.ThemetabolismGM（1,1）forecastthatHogProductionofDaqingcitywillmaintainrapiddevelopmentsituationfrom2008to2009.Keywords:MetabolismGM（1，1）model；thequantityoflivehogs；prediction养猪生产在畜牧业中占有重要地位，且已成为GM(1,1)模型的预测精度因而会受到一定影响。新陈[2]农村和农村经济发展的
5、重要支柱，在加速粮食转化、代谢GM(1,1)模型能够较好地解决这个问题，其特扩大农村就业、增加农民收入、带动种植业和相关产点是用新信息取代旧信息，因为随着时间的推移，老业发展、振兴农村经济等方面，都有着不可替代的作数据信息的有效性将不断降低，在不断补充新的资用。众所周知，生猪存栏量代表着一个地区养猪业的料信息的同时及时去掉老数据，即能够满足计算机发展水平，然而就一个地区而言，生猪的存栏数量一自学习的要求还可以避免因低效信息数据量的增加直都处于动态变化中，如何科学地掌握养猪生产的而带来的计算困难。因此，采用新陈代谢GM(1,1)模发展态势
6、、发展规模和发展速度，并以此为根据来确型可以通过系统行为数据序列的不断更替与提取，定养猪生产的下一步发展对策就显得十分重要。最终可以科学地确定系统的发展规律。养猪生产的预测模型主要有线性回归模型、模1新陈代谢GM(1,1)模型糊理论模型、灰色理论模型等，一般认为采用灰色预测GM(1,1)模型能取得较好的预测效果[1]。但是对于1.1模型概况一些短期观测数据，由于获取的数据量比较少，数据新陈代谢GM(1,1)模型是GM(1,1)模型的一种的变化规律难以掌握，加之影响养猪生产的因素多优化形式，能充分利用GM(1,1)模型“数据量少”进行[3
7、]种多样，且具有随机性和不确定性，只采用单纯的预测的优点。在任何一个生产系统的发展过程中，收稿日期：2008-09-04基金项目：大庆市第二次全国农业查课题“大庆市畜牧业生产结构与区域布局优化研究”。作者简介：韦春波（1977-），男，讲师，黑龙江八一农垦大学硕士研究生毕业，现主要从事畜牧生产管理的教学与科研工作。第6期韦春波等:新陈代谢GM(1,1)模型在生猪存栏预测中的应用99随着时间的推移，都会出现一些随机扰动或驱动因（2）用最小二乘法估计参数列，确定模型的白化[4]素进入系统，使系统的发展受到其影响，因此，随着方程及时间响应函数
8、；系统的发展，老数据信息的意义将逐渐降低。为更好（3）用时间响应函数确定模拟序列，检验模型模的反映系统将来的发展趋势，可以引入新数据，即由拟精度；(0)(0)(0)(0)原始序列X=[x（1），x（2），…
