基于决策支持系统粮食产量组合预测模型.docVIP

基于决策支持系统粮食产量组合预测模型 　　摘要:该文将组合预测模型应用到决策支持系统中。给出了粮食产量预测的常用模型,通过加权组合,进而确定组合预测模型以提高预测精度。算例结果表明,该组合预测模型在预测准确性方面能得到改进,对于决策支持系统的预测有着重要的参考价值。 　　关键词:组合预测;决策支持系统;粮食产量;模型 　　中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)33-9375-03 　　Combination Forecasting Model of Food Production Based on the Decision Support System 　　CAI Lin 　　(Hainan University College of Information Science and Technology, Haikou 570228, China) 　　Abstract: In this paper,combination forecasting model will be applied to decision support systems. Given the commonly used food production forecast model,with the aid of a weighted combination of prediction model to determine the combination, the prediction accuracy will be improved.The results of the cases show that the combination forecasting model in forecast accuracy can be improved. It is of important reference value for the prediction of decision support system. 　　Key words: combination forecasting; decision support systems; food production;model 　　中国是一个农业大国,农业的稳定是社会稳定的基础。随着农业的发展,农业决策支持系统也在不断的完善,仅仅将种植经验中得来的一些成熟的规则集做成专家知识库已经不能满足需要,给出什么样的条件,就去数据库中查找相对应条件的决策,即使规则集变得越来越细致,先决条件越来越多,系统仍没有任何灵活性可言,反而会因为数据库的庞大而使得我们在查找的过程中无端浪费很多时间。 　　预测是一门技术上比较成熟的学科,它也是决策的基础。在绝大多数决策问题中,预测都占有很大的比重,科学的预测是进行决策的依据和保证,而产量预测是保证农业稳定的重要前提。许多学者根据不同的理论和方法建立了不同的预测模型。本文就三种基本预测模型对粮食产量预测进行分析,并在此基础上,构造了粮食产量组合预测模型。结果表明组合预测模型预测粮食产量的精度优于基本预测模型。 　　1 基本预测模型 　　1.1 多元回归模型 　　多元回归分析是现代应用统计学的一个重要分支,是研究事物间变量规律的一种科学方法,研究一组变量(即自变量)之变动对另一变量(因变量)之变动的影响程度,其目的在于根据已知的自变量的变异来估计或预测因变量的变异情况。 　　当预测对象Y受到多个因素X1,X2,…,Xk影响时,如果各个影响因素与Y的相关关系可以近似地线性表示,可以建立多元线性回归模型来进行分析和预测。公式为: 　　影响粮食产量多元回归预测的主要因素有化肥施用量(X1)、播种面积(X2)、成灾面积(X3)、机械总动力(X4)、劳动力(X5)和灌溉面积(X6)。 　　用EXCEL软件,对1990~2000年六个因素的原始数据进行建模,得到多元线性粮食总产量回归模型: 　　1.2 灰色预测模型 　　灰色预测法是一种对含有不确定因素的系统进行预测的方法。其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反之则反。 　　在灰色模型分析中影响粮食产量的6个因素从直观上看,与粮食产量曲线最相似的是粮食作物播种面积,其次是农林牧渔业(即劳动力),而农业机械总动力和成灾面积与历史产量曲线在几何形状上差别较大。由此我们可以初步推断:粮食作物播种面积对粮食产量的影响最大,农林牧渔业(即劳动力)对历史产量的影响次之,成灾面积对历史产量的影响最小。 　　以上只是粗略的来分析,还要进一步进行量化研究分析。因此可以根据灰色关联分析原理,确定出影响粮食产量的主要因子