2025《S省土地资源人口承载力预测计算过程案例》4300字.docxVIP

PAGE26

S省土地资源人口承载力预测计算过程案例

目录

TOC\o1-3\h\u21941S省土地资源人口承载力预测计算过程案例 1

115521.1GM(1,1)模型法 1

145401.1.1建模原理 1

68301.1.2建模步骤 1

302861.1.3误差检验 3

286191.2土地资源人口承载力预测 3

280751.2.1粮食作物播种面积预测 4

180971.2.2粮食单产水平预测 7

201261.2.3人口规模预测 10

74371.2.4土地资源人口承载力预测 13

1.1GM(1,1)模型法

1.1.1建模原理

文献中应用最为广泛的灰色预测模型便是GM(1,1)模型，他代表“灰色模型一阶一变量”，是一种时间序列预测模型[21]。这一模型与传统的时间序列估计方法有者不同的原理，当GM(1,1)预测模型获得新的数据时，模型及其微分方程也会更新。为了平滑随机性，将从系统中获得的形成GM(1,1)的原始数据置于一个名为累加生成算子（AGO）之下。对由此演化出的微分方程即GM(1,1)模型进行求解，以获得比系统预测值提前n步的结果。最后利用一次累加生成的预测值，应用AGO（IAGO）递减的方式求解出原始数据的预测值。在GM(1,1)模型中，系统很容易通过一阶微分方程识别，并且只要有新的数据，模型就会随之更新。但与其他预测模型一样，GM(1,1)预测模型也有一定的局限性：该模型只能用于正值，时间序列必须具有年、月、日等相同的频率。

GM(1,1)模型建模原理不需要原始样本数据符合某种特定的分布信息，而是采用累积的方法使序列呈现出完整的灰色指数规律，在此基础上构造并求解灰色微分方程[22]。灰色模型不需要大样本数据就可可以进行建模和预测，建模过程简单，易于操作，在小样本序列的短期预测中具有独特的优势。

1.1.2建模步骤

GM(1,1)的建模主要为以下步骤。

设GM(1,1)模型的原始序列为：

X

其中X(0)是正数序列，n是数据的样本的个数。当这个原始序列受到依次累加时，得到以一次累加生成序列X(1)，很明显序列

X

其中：

X1

将一次累加序列X(1)生成的均值序列Z

Z

其中Z1(k)是序列

Z1

累加后的序列X(1)

X0

因此，白化微分方程为：

dX

其中t为时间参数，参数向量α=a,bT,α为发展灰数，它能够反映原始序列X

a,b

其中常数项量Y和累加矩阵B为：

Y=

计算出参数值a和b后，将a和b的值带入到白化微分方程中得解，其中X11=

X1

继续整理得到：

X1

为了得到原始数据在时间（k+1）时的预测值，使用逆AGO递减的方式得到，建立如下灰色模型对数据进行还原：

X0

1.1.3误差检验

GM(1,1)预测模型的可靠性需要用各种标准进行检验，以确定是否满足精度要求。一般采用残差检验或后验差检验的检验标准来检验GM(1,1)模型的精度[23]，本文选用残差检验，残差检验?(k)就是实际数据与预测数据之差，可以用来反映模型的优良性，其计算公式为：

?k

其中X0(k)是原始数据序列，

相对误差ε(k)的计算公式为：

εk

εk

平均相对残差e(k)为：

ek=

其中e(k)的值应该不大于20%，最好小于10%。

模型精度p为：

p=1?e(k)×100%

p值越大表明模型越好。

1.2土地资源人口承载力预测

基于人粮关系的土地资源人口承载力预测，本文利用灰色系统GM(1,1)模型分别对山东省的粮食播种面积、粮食单产水平、人口规模和耕地资源人口承载力进行了预测，再通过分析预测后的土地资源人口承载力指数分析山东省的，本研究以2000-2018年的数据（表5.2）为基准，预测时间段分别为2025年、2030年。

表5.2山东省2000-2018年粮食播种面积、单产及人口规模

年份

粮食作物播种面积（公顷）

粮食总产（吨）

粮食单产

（千克/公顷）

现实总人口（万人）

人口承载力

(万人)

200038377350

4938

8997

9594.34

2001

71535075201

9041

9301.50

2002

69126134763

9082

8231.73

2003

64154075355

9125

8588.85

2004

63138765570

9180

8791.75

2005

67117335837

9248

9793.45

2006

67974505848

9309

10121.93

2007

69364885896