基于时间序列分析湖南粮食总产量预测.docVIP

基于时间序列分析湖南粮食总产量预测摘要：文章对比传统时间序列分析模型（线性回归、二项移动平均、一次指数平滑、二次指数平滑等）与ARIMA模型在湖南省粮食总产量中的拟合精度，并应用ARIMA（2，1，10）模型预测了未来3年内湖南省粮食总产量。结果表明，在湖南省粮食总产量拟合中，ARIMA（2，1，10）模型得到的粮食总产量拟合值与观测值的相对误差均方最小，优于传统时间序列分析模型；利用ARIMA（2，1，10）模型预测未来3年内湖南省粮食总产量，粮食总产量有逐年上升的趋势，且增长率逐年上升。 关键词：传统时间序列分析模型；ARIMA 模型；拟合精度；预测 预测方法的选取在一定程度上决定了预测结果的准确性。由于粮食生产受多种因子的制约，并且制约因子间又存在着极其复杂的关系，因此，运用结构性因果模型对粮食生产进行预测，一般难以达到较为理想的预测效果，故本文采用的是时间序列分析方法。传统时间序列分析有线性回归法、滑动平均法和指数平滑法等模型，它是假定时间序列资料存在某个确定的模式，随机变量ε相对来说并不显著。由于一些社会经济现象的时间序列资料并不具备这种确定性趋势特征，因此，传统时间序列分析模型在实际应用中受到一定程度的限制；20世纪70年代Box和Jenkins提出了以随机理论为基础的ARIMA（差分自回归移动平均） 模型，它把事物在某一固定时刻的状态视为一个随机过程，利用随机过程去分析描述事物的发展趋势，因此，该模型更符合社会经济现象的客观事实。由于ARIMA 模型在时间序列分析中具有以上所述的优势，其在经济、交通、卫生、矿业等领域得到了广泛应用，但在粮食产量预测中的应用较少涉及。本文应用ARIMA 模型预测湖南省粮食总产量，并与传统时间序列分析方法相比较，分析其在粮食总产量预测中的应用优势，为有关部门制定合理的经济政策提供科学的理论依据。 一、建国60年来湖南省粮食总产量概况 1949-2008年湖南省粮食总产量变化趋势如图1、图2所示。由图1、图2可知，1949-2008年湖南省粮食总产量大体可以分为5个阶段：1949-1958年的慢速增长期；1958-1960年的快速下降期；1961-1997年的稳定增长期；1998-2003年的慢速下降期；2004年以后的再度增长期。其中在慢速增长期的末期，湖南省粮食总产量达到1958年的1227.6万吨，之后由于国家经济政策的失误，粮食产量迅速下降，1960年下降到802.4万吨，粮食总产量增长率相对于1959年为-27.6%，达到建国以来的最低值。由于国家及时采取了措施，致使湖南省粮食总产量从1961年开始进入稳定增长期，平均增长率为3.58%，1997年为2953.2万吨，达到历史最高纪录。之后由于耕地面积的减少，粮食总产量也进入慢速下降期，平均增长率为-3.11%。随后由于科技投资力度的加大，粮食单产量迅速增加，表现为在耕地面积减少的条件下总产量反而增加，即湖南省粮食总产量进入2003年以后的再度增长期。 二、传统时间序列分析拟合粮食总产量 考虑到湖南省粮食总产量变化有一定的趋势，在一次平滑时选用了一个较大的平滑系数a=0.7，通过观察1949-2008年湖南省粮食总产量的资料，据期绘制散点图，如图1所示。可以看出，各年的粮食总产量资料基本呈线性趋势，但在几个不同的时期直线有不同的斜率，因此也用二次指数平滑法，二次指数平滑法主要用于变参数线性趋势时间序列的预测，变参数线性趋势预测模型与一般的线性趋势模型的区别在于，式中的参数变量是随着时间自变量t的变化而变化，即直线在各时期的截距和斜率是可能不同的。分别利用传统的线性回归、二次滑动平均、一次平滑、二次指数平滑等时间序列分析模型拟合湖南省粮食总产量，各时间序列模型的拟合结果，如图3所示。 为了避免正负误差相加抵消，本文采用均方误差（MSE）来评价预测方法的优劣，MSE=，其中Y为观察值，F为预测值。四种传统预测法的误差均方分别为50895.40、22292.58、19176.29、41357.69。结合图3可知，湖南省粮食总产量传统时间序列拟合模型中，线性回归的拟合效果最差，二项移动平均和一次平滑较好，二次指数平滑效果也不好。 三、ARIMA模型拟合粮食总产量 ARIMA模型是由统计学家Box和Jenkins提出的，又称B-J模型，其所依赖的原理是：某些时间序列是依赖于时间t的一组随机变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型（即ARIMA）近似描述。通过对该数学模型的分析研究，能够从本质上认识时间序列的结构与特征，达到最小方差意义下的最优预测。建立ARIMA模型要求时间序列数据符合正态、零均值和平稳的要求。由图1可知，1