中國農業(yè)產值優(yōu)化組合預測研究

摘要：運用回歸預測法與灰色系統預測法分別對中國農業(yè)總產值進行預測，再根據兩種方法的誤差確定優(yōu)化組合預測模型的權重，通過優(yōu)化組合方法對兩種預測方法結果進行信息綜合。結果表明，優(yōu)化組合模型綜合預測方法具有相對合理性、可行性和實用性，可為中國農業(yè)經濟發(fā)展規(guī)劃及管理決策提供科學依據。

關鍵詞：農業(yè)總產值；灰色系統預測法；回歸預測；組合預測法

中圖分類號：F321；F224 文獻標識碼：A 文章編號：0439-8114（2013）23-5930-04

21世紀以來，中國農業(yè)經濟呈現快速發(fā)展的良好勢頭。據2012年的《中國統計年鑒》統計數據，2003年中國農業(yè)總產值為17 381.7億元，2007年為28 627.0億元，2011年為47 486.2億元。2007年中國農業(yè)總產值和2003年相比增加了65%， 2011年中國農業(yè)總產值和2003年相比，則增長了173%，未來中國農業(yè)經濟的發(fā)展趨勢怎樣，是中國政府應該關注的大事。農業(yè)是國家的基礎產業(yè)，也是與國民生活息息相關的產業(yè)，所以農業(yè)經濟的發(fā)展不僅關系到人民生活的質量，還關系到國家的穩(wěn)定和安全。目前對中國農業(yè)經濟方面進行預測分析研究的相關文獻很少。由于不同的預測方法是從不同的角度來對經濟現象進行預測，若用一種預測方法來進行預測，勢必會造成預測結果的片面性[1]。為了克服單一預測方法的片面性，本研究嘗試運用回歸預測法與灰色系統預測法分別對中國農業(yè)總產值進行預測，再根據兩種方法的誤差確定優(yōu)化組合模型的權重，通過優(yōu)化組合方法對兩種預測方法結果進行信息綜合，目的是通過建立科學的方法對中國農業(yè)總產值進行預測，有效地指導中國農業(yè)經濟發(fā)展，協調中國農業(yè)資源開發(fā)及利用，為中國農業(yè)經濟發(fā)展規(guī)劃及管理提供科學依據。

1 算法描述及數學模型

1.1 算法描述

回歸預測法是分析變量之間具有相關關系的一種數理統計方法[2]，利用數理統計方法建立因變量與自變量之間的回歸方程，線性回歸模型用途之一是作為預測的工具[3]。

中國學者鄧聚龍教授于1982年創(chuàng)立了灰色系統理論（Grey system theory）[4]?；疑碚撌歉鶕到y的行為特征數據，找出因素之間和因素自身的數學關系或變化規(guī)律，建立一種描述被研究系統的動態(tài)變化特征的模型[5]，成為解決不確定性的一種有用方法[6]?；疑到y理論具有所需樣本數據少，不需要計算統計特征量等優(yōu)點[7]。

本算法是先運用回歸預測法與灰色系統預測法分別對中國農業(yè)總產值進行預測，再根據兩種方法的誤差確定優(yōu)化組合預測模型的權重，對兩種預測方法結果進行信息綜合，從而得到優(yōu)化組合預測方法的預測結果。

1.2 數學模型

3 預測結果分析

通過表4可以得出，綜合相對誤差絕對值均小于回歸預測的相對誤差絕對值和灰色預測的相對誤差絕對值的最大值；綜合相對誤差絕對值有7項小于回歸預測的相對誤差絕對值，綜合相對誤差絕對值有2項小于灰色預測的相對誤差絕對值；綜合相對誤差絕對值小于5%的項數有7項，回歸預測的相對誤差絕對值小于5%的項數有3項，灰色預測的相對誤差絕對值小于5%的項數有7項，說明綜合相對誤差絕對值小于5%的項數大于等于回歸預測的相對誤差絕對值小于5%的項數和灰色預測的相對誤差絕對值小于5%的項數；綜合誤差絕對值小于回歸與灰色預測相對誤差絕對值之和的均值的有7項，占總項數的77.78%。通過綜合預測誤差可以得出該綜合優(yōu)化組合模型預測結果具有相對合理性，以克服單一方法對中國農業(yè)總產值預測的不足，該綜合優(yōu)化組合預測模型能作為中國農業(yè)總產值預預測模型，以更好地指導中國農業(yè)產業(yè)的發(fā)展與規(guī)劃，為中國農業(yè)經濟發(fā)展規(guī)劃及管理決策提供科學依據。

4 結語

為更好地做好中國農業(yè)經濟的規(guī)劃和管理，做好中國農業(yè)經濟預測工作具有重要的意義。而每種預測方法都是基于不同的視角來對經濟現象進行預測，具有一定的片面性，為了克服這一不足，本研究運用優(yōu)化組合方法對中國農業(yè)總產值進行預測，結果表明，該綜合優(yōu)化組合預測模型作為中國農業(yè)總產值預測模型具有一定的可行性。通過該模型預測2012-2014年綜合預測值分別為50 772.42億元、56 401.40億元、62 597.24億元。由此可以得出，中國農業(yè)經濟處于快速發(fā)展的良好時期。根據預測結果，到2014年，中國農業(yè)總產值與2003相比將會增長2.6倍。為此，在農業(yè)經濟快速增長的情況下，勢必要對與農業(yè)相關的資源進行合理化利用。應該充分做好中國農業(yè)產業(yè)規(guī)劃，加大農業(yè)科技投入，做好農業(yè)產業(yè)化、機械化、信息化工作，努力提高農業(yè)勞動生產率，加強農業(yè)生態(tài)環(huán)境保護，完善農業(yè)相關法律法規(guī)，加快中國農業(yè)現代化的進程，以實現中國農業(yè)經濟的騰飛。

參考文獻：

[1] 周禮剛，陳華友，韓 冰，等. 基于對數灰關聯度的IOWGA算子最優(yōu)組合預測模型[J].運籌與管理，2010，19（6）：33-38.

[2] 甘永萍，周 興，鄭曉平.耕地供需預測方法研究——以博白縣為例[J].地域研究與開發(fā)，2002，21（4）：60-64.

[3] LATIF A， KING M L. Linear regression forecasting in the presence of AR （1） disturbances[J]. Journal of Forecasting，1993，12（6）：513-524.

[4] SHEN J， ZHANG C， CHAI Y， et al. Prediction of planing craft motion based on grey system theory[J]. Journal of Marine Science and Application，2011，10（2）：240-245.

[5] 董振興，史定國，張東山，等.基于灰色理論的機械設備智能狀態(tài)預測[J]. 華東理工大學學報.2001，27（4）：392-394.

[6] MOSTAFAEI H， KORDNOORI S. Hybrid grey forecasting model for Iran’s energy consumption and supply[J]. International Journal of Energy Economics and Policy，2012，2（3）：97-102.

[7] 張大海，江世芳，史開泉.灰色預測公式的理論缺陷及改進[J].系統工程理論與實踐，2002，22（8）：140-142.

[8] 朱春江，許 強，李海燕.管理學基礎[M].北京：北京交通大學出版社，2011.

[9] 鄧聚龍.灰預測與灰決策[M].武漢：華中科技大學出版社，2002.

[10] 王 偉，李 鈺. 最優(yōu)組合預測在四川省人才需求預測中的應用[J].價值工程，2005，3（9）：9-13.

[11] 唐小我.最優(yōu)組合預測方法及其應用[J].數理統計與管理，1992， 11（1）：31-35.