中国养猪业生产趋势预测分析

《中国养猪业生产趋势预测分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、中国养猪业生产趋势预测分析养猪业是我国农村经济的优势产业，在我国农业经济发展中占有重要地位・但生猪生产表现出明显波动的特点，对于生猪市场的参与者，要准确地预测未来的生猪生产是非常重要的・这种重要性主要体现在：生猪生产者可以预先安排未来的生产计划，生产和管理可以降低风险I血I,有关的政府部门可以评估的生猪市场风险，合理指导安排生产计划.因此，生猪生产预计将成为畜牧业经济研究中的关键问题z-・8.1养猪业生产的预测方法预测从范围上，可分为宏观预测和微观预测，从时间上，可分为长期预测和短期预测.通过预测，可以了解未来时期市场上某种商品的变动及其幅度，掌握商品变动的趋向及其将会产

2、生的彩响，因而在社会经济管理中具有越来越重要的作用.预测的重要基础和前提是准确章握有关市场的重要信息.然后根据具体的要求，选择预测方向，即定性预测或定It预测.当统计数据不充足、准确度要求不高或是主要的影响因素是非客观的、模鞫的、非量化的情形下.通常采用定性预测方法，即针对历史数据，由行业专家结合当前市场趋势及个人经验对市场进行分析判断【皿】.另外，在难以用定量预测方法进行预测的情形下.例如，当爭物所处的环境发生变化，或者系统的结构岀现较大调整时.定性预测也是被普遍采用的行之有效的预测方法：再者，对于系统中我们无法对其进行定11分析的因素.也只能通过定性预测对其进行分析判

3、断因此，定性预测作为一种直观的预测有一定的现实有效的应用价值.当所获取的历史数据信息较为丰富时，更宜采用定最预测方法.定量预测方法与定性预测方法不同就在于它强调了对历史数据和数学模型的利用・定量预测很少依赖于人的知识、经验等主观因素，而更侧重于在预测目标未来发展的数量变化趋势方面进行精准预测.主要通过利用收集到的预测对象的相关信息，运用函数关系模拟变量间的相关性，然后根据不同的预测目标和精确程度的不同要求等一系列具体的要求，选择相应的测算方法，建立适合的预测模型・下面对预测研究中常用的和可能用到的部分模型及其特点进行简单介绍.(1)多元线性回归模型多元线性回归模型就是在方

4、程式中有两个或两个以上自变童的线性回归模型•多元线性回归预测即是利用多元线性回归模型使用多个影响因素对具有线性趋势的何题所作的未来行为的预测.多元线性回归模型分为碎态多元线性回归模型和动态多元线性回归模型・对于非线性问题的预测，多元线性回归模型不适用.(2)时间序列分析法Varfis,Versino给出了经济时间序列的预测方法后，时间序列分析法因其计算简单、快速等特点在经济预测领域中得到了广泛应用.时间序列分析就是运用一定的数学方法从大量的时间序列数据中寻找数据的变动规律，以预测事物的未来发展趋势•从时间动态的角度描述或揭示内在关系及变化规律.并依据演变规律能在一定时期内

5、预测并控制未来行为，使其更大限度地满足社会发展的需要.利用时间序列分析模型可以无需知道影响效应指标的因果关系，根据效应指标过去的变化规律来建立模型，在系统动态性较强的情况下，时序分析模型可以达到事半功倍的功效.显然，时序分析方法有着其他的多元统计分析方法所不能比拟的优势卩四•然而，也正是由于时间序列分析法暂不考虑外界因素的影响这一待点限制了它的应用.当外界坏境发生较大变化时，时闾序列分析法的预测结果往往会有较大偏差.(3)人工神经网络人工神经网络(ArtificialNeuralNetwork,简称ANN)理论起源于20世纪50年代，1987年Lapedes和Farber

6、首次将ANN引入到预测领域中.ANN是通过模仿人类大脑神经元对外界剌激做出反应的过程而建立起来的一种模型，具有大规模并行.分布式储存和处理、自组织、自适应、自学习和容链性等特点，特别适用于需要同时考世多因素和多条件的系统中，因子之间的相互作用机理还不清楚、不精确和模糊信息问题的处理・在ANN的众多模型中，BP(BackPropagation)人工神经网络在非线性时间序列的分析、预测和控制中应用最为广泛.它在处理一般非线性函数逼近问题时具有其他统计处理方法不可比拟的优势•切・BP人工神经网络于1985年由Rumelhart,McClelland提岀.它是基于谋差反向后传算法

7、的多层前馈型神经网络•在预测阶段，当向神经网络输入与训练集数据(非样本)相似的预测变量数据时.它便能完成从输入的预测变部到输出的预测对象的任意非线性映射.从而正确描述无法用数学关系来描述的预测变量与对象之间的规律.在一定的误垫允许范圉内，还可以处理不完整的数据.它的局限性是：在实际应用过程中容易陷入局部极小值：算法的学习效率低，收敛速度较慢；设计网络模型结构时难以寻优；其在预测能力上虽然具有一定的优势，但是其可理解性差：选出的模型不能保证是咼优，这个问题在输入数据含嗓声并且时间序列本身不平稳的情况下更为突出.(4)支持向址机支