资源描述：
《我国粮食产量预测的时间序列模型研究毕业论文》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、我国粮食产量预测的时间序列模型研究毕业论文目录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1
2、3致谢15声明16171.1课题背景“国以民为本,民以食为天。”粮食是关系国计民生的重要战略物资，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
3、归模型中使用比较多的就是线性回归模型和双对数模型。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。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。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,由于模型本身在计算方法上的局限性,该方法只适用于近、短期预测
4、。灰色预测模型也是比较常用的粮食产量预测模型。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。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粮食产量模型,找到了影响粮食产量的主要因素。线性回归函数、双对数生产函数、柯布—道格拉斯生产函数等等。虽然他们选取的变量都不尽相同,但是都证明了回归模型对粮食产量的拟合效果很好。但是回归方法受到解
5、释变量的约束,一般也只用在近、短期预测中。神经网络模型是一种建立在生物学神经元基础上的一个不需要建立解释变量与被解释变量之间具体关系的数学模型。它可以通过隐含层的学习和训练实现输入元素与输出元素之间的非线性映射。该模型的模拟效果可以在文章中看到。但是目前我国尚无比较完善和成熟的理论指导网络模型,17在神经网络的程序设计中对隐含层单元数及目标参数的设置都只能凭经验或者是经过反复的训练和测试才能确定。总之,每个模型都有其优点和不足之处。对于数据比较少的短期预测问题,应用简单的指数进行平滑。对于结构复杂、影响因素众多的中长期问题一般用灰色预测模型。回归模
6、型一般用来做因素分析,而且预测期较短。1.1本课题研究的意义根据农业部发布的数据,1998年我国粮食产量曾经达到历史最高水平,此后几年连续多年呈现下滑态势,持续稳产增产基本没有超过3年。自2004年开始，中国连续四年粮食增产,2007年粮食产量突破了5亿吨。但是粮食生产是由诸多因素综合影响的不确定系统,未来我国粮食产量将如何变动,能否达到国家粮食安全的目标就成为一个很有意义的话题。有效地分析和预测我国粮食生产能力,对政策调整方向乃至保障粮食安全具有非常重要的价值。1.2本课题的研究方法对于大多数时间数列是非平稳的，如果直接将非平稳时间序列当做平稳时
7、间序列来进行回归分析，则可能造成“伪回归”，即变量间本来不存在相依关系，但回归结果却得出存在相依关系的错误结论。本文首先根据时间序列的散点图、自相关函数和偏自相关函数图识别其平稳性。然后对非平稳的时间序列数据进行平稳化处理，将其视为一个随机序列，分析此序列的特征并根据所识别出来的特征建立相应的时间序列模型。判断该模型残差序列是否为白噪声序列。通过检验后，利用此模型对粮食产量进行预测。2几种时间序列预测分析法简介2.1自回归（AR）模型如果时间序列是它的前期值和随机项的线性函数，即可表示为（1）则称该时间序列是自回归序列，（1）式为自回归模型，记为A
8、R（p）。实参数称为自回归系数，是模型的待估参数。随机项是相互独立的白噪声序列，且服从均值为0、方差为的正态分布。随机项与
