基于主成分分析法湖北省粮食自给率预测分析.docVIP

基于主成分分析法湖北省粮食自给率预测分析 　　摘要：借助Matlab 2017a软件，分析1995-2015年湖北省粮食安全相关数据，使用主成分分析法得出该省粮食自给率的主要影响变量，运用灰色预测模型，对粮食自给率及其主要影响变量分别进行预测，再通过人工神经网络模型进行验证，最终拟合两种模型的曲线进行对比。根据未来15年粮食自给率的稳步上升趋势，为湖北省粮食安全工作提出相应的建议。 　　关键词：粮食自给率；主成分分析；灰色预测模型；人工神经网络模型；湖北省 　　中图分类号：F762.1 文献标识码：A 文章编号：0439-8114（2017）23-4676-05 　　DOI：10.14088/j.cnki.issn0439-8114.2017.23.063 　　Abstract： Food safety related data of Hubei Province 1995-2015， was analyzed to provide suggestions. Crediting to Matlab 2017a，principal component analysiswas used to confirm significant factors with huge impact on self-sufficiency rate. Then Grey model was used to forecast on both significant factors and self-sufficiency rate. Verifying results with Artificial neural network （ANN） model was the last step. To compare the curves of two models， conclusion showed in 15 years food self-sufficiency rate in Hubei Province was in steady growth status and references were offered to support food safety in Hubei Province. 　　Key words： food self-sufficiency； principal component analysis； grey prediction model； artificial neural network； Hubei province 　　中国是世界粮食消费大国，粮食的供给不仅影响到各行各业的生产活动，也与国家规划发展及战略物资储备紧密相关。在国际市场粮食供给偏紧形势下，国内粮食自给问题得到多方关注。随着中国工业化、城镇化脚步加快，经济、社会飞速发展，国内粮食需求刚性增长，而耕地资源少，土地、淡水遭受污染加剧，粗放的粮食经营方式仍未改变，农业基础设施落后、农资价格上涨、粮食生产的低收益导致种粮积极性下降，对中国粮食安全造成了威胁，全国粮食自给率已从1995年的98%降低为2015年的85%。湖北省是中国粮食生产大省，省内设有全国性商品粮基地。湖北省的粮食除了省内供给外，还承担着向周边粮食产量不足的省份，如福建、广东省输送粮食的责任，其粮食自给率必须得到保障。 　　本研究选取湖北省1995-2015年统计年鉴中的数据，分析最近年来湖北省粮食自给率，并对未来15年粮食自给率进行预测，为解决湖北省粮食安全问题的工作提供帮助和参考。 　　1 研究方法与模型选择 　　1.1 研究方法 　　本研究结合湖北省实际并参考以往的权威机构建议和有关学术成果，设定该省人均粮食需求量，通过历史数据计算得到1995-2015年湖北省自给率情况。然后以人口、耕地面积、粮食单产、粮食播种面积等作为相关变量，进行主成分分析，得到主要影响变量，并代入灰色系统GM（1，1）模型，对未来15年的?Z食自给率进行预测。同时，将主要影响变量输入神经网络模型，训练后输出得到此模型下的预测结果。通过两种预测模型得到的自给率进行检验印证，确定预测准确度，最后据此提出建议。 　　1.2 模型与原理 　　1.2.1 主成分分析法（PCA） 主成分分析法（PCA）是一种数学变换，将已给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差递减的顺序排列。在数学变换中保持变量的总方差不变，使第一变量具有最大方差，称为第一主成分，第二变量的方差次之，并且和第一变量不相关，称为第二主成分。以此类推，每个变量都有1个主成分。将收集到的标准化数据求相关系数矩阵，进行正交变换后，使非对角线上的数置0，加到主对角上；得到特征根xi（即相应那个主成分引