论文部分内容阅读
粮食安全问题日益成为国际社会关注的焦点问题。对粮食产量预测模型进行研究,不仅能为政府和相关部门提供技术和理论支撑,而且对保证国家粮食安全,保持社会稳定发展起着非常重要的作用。根据国家统计局发布的最新粮食产量数据,本课题针对面向小样本预测模型的发展特点及其研究现状,介绍了现今流行的几种适合用于小样本预测的模型,并尝试将新的模型应用在粮食产量预测中,并提出了一种新的组合预测方法,为粮食产量的预测提供了新的思路和方法。主要研究内容包括以下几点:1.分析了粮食产量预测的小样本性,并对当前主流的面向小样本的粮食预测方法进行比较分析。主要介绍了时间序列分析法、支持向量机预测法、灰色数列预测法和组合预测法。2.通过对粮食产量历史数据的分析和GM(1,1)模型的适用性分析,得出该模型不太适用于样本数据呈摆动的、不规律变化的粮食产量预测。由此本文首次尝试运用灰色Verhulst模型进行粮食产量预测,以我国2002~2009年粮食产量数据为基础,分别利用GM(1,1)模型和灰色Verhulst模型对粮食产量进行对比预测实验分析。3.在占-支持向量机回归中,需要事先确定ε-不敏感损失函数中的参数ε,但ε取什么值才能达到所期望的估计精度是比较困难的,由此本文探讨了v-支持向量机回归算法,为组合模型的建模打下了基础,并简单介绍了目前支持向量机回归在粮食产量预测方面的应用方式。4.本文构建了一种新型的基于HP滤波分析的灰色Verhulst支持向量机回归组合预测模型并进行了实证分析。首先借助HP滤波法提取粮食产量数据的趋势序列,然后运用灰色Verhulst模型对趋势序列进行预测,最后将预测结果作为支持向量机的输入,预测残差数据(波动序列)作为支持向量机的输出,训练得到最优支持向量机回归模型,由此对趋势预测结果进行残差修正,也就是将趋势序列与波动序列相组合,得到最终预测结果。将仿真预测结果与单项灰色预测模型预测结果进行对比分析,验证了这种新的组合预测模型的可行性。