基于优化灰色模型的湖南省粮食产量预测方法改进研究

常见的粮食产量预测方法主要包括时间序列法、回归分析法、神经网络、灰色模型等方法,由于粮食产量数据呈现出的非线性特征,非线性灰色模型GM（1,N）在粮食产量预测方面具有更好的适应性,但由于模型自身存在一些缺陷,使得预测精度不高。为提高预测结果的准确性,采用灰色关联分析,应用优化灰色模型OGM（1,N）进行计算,并将结果与GM（1,N）模型预测结果进行比较,发现OGM（1,N）模型预测结果精度较GM（1,N）模型预测结果精度提高了一个数量级,表明OGM（1,N）模型在粮食产量预测方面有更高的准确性。最后根据预测结果的分析讨论,对湖南省粮食增产问题提出了一些建议。     

粮食产量预测的支持向量机模型研究

粮食产量的历史数据有限,是典型的小样本数据,又由于粮食产量受不确定性因素的影响,是一个复杂的非线性系统,以往的粮食产量时间序列预测模型的阶数采用经验方法或线性方法来确定,得到的预测精度不理想。针对这些问题,可将支持向量机引入到时间序列模型定阶的方法中,然后采用留一法交叉验证寻找最优参数,建立一个多输入、单输出的预测模型。通过对中国粮食产量进行仿真实验,并与一次滑动平均、ARIMA、LS_SVM和RBF神经网络的预测模型作比较来验证模型的有效性,结果表明该模型该有较高的预测精度和较强的泛化能力,证明了该模型对近期粮食产量的预测是可靠的。     

粮食产量时间序列的单分形检验及R/S预测

为探讨中国粮食产量的变化规律及趋势预测问题,采用配分函数方法,判定了1949年以来粮食总产量时间序列的单分形特征,并利用分析方法确定一个代表粮食产量变化趋势的时间序列的幂,从而得到预测粮食产量变化趋势的分形方法。根据历史资料,用此方法对中国粮食产量的变化趋势进行了短期预测,得到了变化方向上的一个估计结果。     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

社会保障的负担问题研究——以美国为例

文中将社会保障的负担定义为每年的社会保障缴费与当年GDP总量之比,并以美国的数据进行了统计分析。分析过程全是由R软件来完成的,首先用一般最小二乘回归消除了时间序列的趋势,然后构建了一个ARIMA（p,I,q）模型,其中P=2,I=1,Q=1,得到的系数分别为0.1376（AR1）,-0.4342（AR2）,-0.2969（MA1）。在随后进行的时间序列检验中,根据R软件标准的检验方式,可以证实该时间序列分析的合理性。这表明美国的社会保障负担包含着一个不断上升的趋势和一个稳定的时间序列趋势,而且其时间趋势明显大于其内在的稳定趋势。     

基于灰色系统理论的湖南粮食产量预测研究

粮食产量的准确预测是保障国家粮食安全的一个重要组成部分,它对政府制定相应粮食生产政策具有十分重要的意义.论文运用灰色相对关联分析,从影响粮食产量的众多因素中计算出了符合湖南禀赋的主要因子依次为粮食播种面积、农村从业人员数、每公顷面积产量、有效灌溉面积,并对这些因子进行了 GM(1,1)残差修正预测,把预测所得数据作为相关因素序列数据,以粮食产量作为系统特征序列数据,构建了粮食产量的灰色 GM(1,N)预测模型.根据湖南省1995~2010的粮食生产有关数据,对湖南省2015年粮食产量数据进行拟合和预测,经检验模型对2008~2010所预测数据和实际产粮数据平均相对误差为0.77%,具有较高的精确度,根据预测结果给出了确保湖南粮食产量稳定增长的政策建议     

基于灰色系统理论的湖南粮食产量预测研究

粮食产量的准确预测是保障国家粮食安全的一个重要组成部分,它对政府制定相应粮食生产政策具有十分重要的意义.论文运用灰色相对关联分析,从影响粮食产量的众多因素中计算出了符合湖南禀赋的主要因子依次为粮食播种面积、农村从业人员数、每公顷面积产量、有效灌溉面积,并对这些因子进行了GM(1,1)残差修正预测,把预测所得数据作为相关因素序列数据,以粮食产量作为系统特征序列数据,构建了粮食产量的灰色GM(1,N)预测模型.根据湖南省1995～2010的粮食生产有关数据,对湖南省2015年粮食产量数据进行拟合和预测,经检验模型对2008～2010所预测数据和实际产粮数据平均相对误差为0.77％,具有较高的精确度,根据预测结果给出了确保湖南粮食产量稳定增长的政策建议.     

基于ARMA模型河北省地区收入总额的预测

大多数时间序列具有惯性或是迟缓性。通过对这种惯性的分析，未来值可以由时间序列的当前值进行估计。以1978年到2011年河北省地区收入总额数据为研究对象，将这些数据平稳化并做分析，发现ARM A （2，2）模型能比较好的对河北省地区收入总值进行时间序列分析和预测。     

粮食产量与国民生产总值反向波动关系研究

探究粮食生产波动的原因对于提高粮食生产宏观调控水平具有较大的作用。在前人研究的基础上,文章分析了粮食产量波动与国民经济生产总值波动的关系。在收集1952年至2009年资料的基础上,利用协整分析、误差修正模型（ECM）对粮食产量与国民生产总值关系进行了深入探讨。结果发现,第二、第三产业产值波动造成了粮食产量的反向波动,其短期弹性系数是-0.24。该结论给粮食宏观调控政策提供了一个独特的视角。     

山东省粮食生产波动影响因素分析

文章在考察山东省1983～2004年粮食生产变化情况的基础上,用基于时间序列的计量经济模型分析了影响山东省粮食生产的因素。认为山东省的粮食生产波动主要是由生产要素投入、市场、气候以及政策等因素引起;模型的回归基本上反映了各个变量对粮食产量的影响程度,其中生产要素投入中粮食作物播种面积的影响程度最大。     

农业基础建设与粮食产出关系的实证分析——基于1991—2009年时间序列数据

以我国农业基础建设与粮食产出关系为研究对象,以1991—2009年为研究时间序列,运用C-D生产函数进行对粮食总产量、谷物总产量、稻谷总产量、小麦总产量和玉米总产量的双对数回归分析。研究结果显示:第一,农业科技仍然是提高粮食产量的重要因素;第二,农业基础设施投入对粮食产量增加有显著性影响,但我国稻谷产量对农业机械化要求不显著;第三,自然灾害对粮食产量的影响比较显著,尤其是旱灾对粮食产量的影响;第四,我国加入WTO对粮食产量具有负面的影响。     

基于GM—Markov模型的旅游客源预测——以中国入境旅游客源为例

灰色马尔可夫模型（GM-Markov）预测兼有灰色预测和马尔可夫链预测的优点，并能对较短的时间序列数据进行建模计算。文章尝试将该模型应用于旅游客源市场的预测分析中，对1985年以来的入境旅游人数进行了实证分析，结果表明GM-Markov模型的预测精度较高，在旅游客源市场预测中有较强的适用性。     

基于多因素小波回归分析的国际原油价格分析与预测

基于国际石油市场的复杂性,本文不仅考虑油价时间序列自身的发展规律,而且在模型中加入油价的主要影响因素,采用小波分析与多元回归相结合的方法建立原油价格预测模型。并且对WTI（西德克萨斯轻质）原油月度价格进行了实证分析,验证了该方法的可行性和有效性。     

河南省财政农业支持对粮食生产影响的实证分析

本文以河南省为例,选取1980-2006年间河南省财政农业支出的相关时间序列数据为分析变量,根据格兰杰(Granger)定理,运用Eviews软件对所选择变量进行协整分析,建立误差修正模型,展开关于河南省财政农业支持对粮食生产影响的实证分析。研究结果表明,从长期看,河南省支援农村生产支出和农林气象事业费与农业科研三项费用支出对粮食生产具有正向的促进作用;从短期看,农业基本建设支出、支援农村生产支出和农林气象事业费支出对本期粮食产量增长影响不显著,具有明显的滞后效应,即上一期的支出对本期粮食产量的增长具有一定的促进作用。最后提出优化河南省财政农业支出结构的政策建议。     

基于ARIMA模型的我国自然灾害救助支出研究（1978-2007）

对1978-2007年中国自然灾害救助支出数据进行了时间序列分析。分析表明，ARIMA（0，0，3）模型适合我国灾害救助支出建模。通过建模，结合求济人数与受灾人口之比、求助支出与受灾损失之比的统计数据，对我国自然灾害求助支出做了结构分析，并提出了相关改进建议。最后，利用所建模型进行了短期预测。     

经济增长与政府收入动态关系的实证研究——基于我国1978—2008年的时间序列分析

基于我国1978年-2008年的GDP和政府收入的时间序列数据,构建向量自回归（VAR）模型,运用脉冲响应函数和方差分解进行分析,并进行了协整检验和格兰杰因果检验,构建了向量误差修正（VEC）模型对两者的关系进行了深入的研究。实证结果表明,我国GDP和政府收入长期存在均衡关系,短期主要由其滞后两期值决定,并且政府收入对经济增长的效果显著,而经济增长对我国政府收入的增长并不明显。     

金融危机背景下我国城乡消费需求特征与趋势

采用ELES（扩展的线性支出系统）模型,同时采用时间序列数据和截面数据对我国近几年城乡消费需求结构进行分析,并对未来几年的消费需求特征与趋势进行预测,最后结合我国国情,提出金融危机背景下提高消费需求的建议。     

会员对锦州市健身俱乐部的消费环境选择倾向分析

会员对健身俱乐部的消费环境选择是健身俱乐部获得稳定会员的重要内容,为了掌握影响会员健身消费的因素,通过实地观察法、访谈法、文献资料法等方法,分析了健身会员对锦州市健身俱乐部硬件消费环境（比如场地选择、器材设施、经营方式、装饰环境等）和软件环境（比如健身服务与健身指导环境、经营管理人员的管理方式与人本体现、健身俱乐部的文化环境等）选择的倾向,以为更好发展锦州市健身市场提供参考。     

北京市居民消费水平与GDP的协整分析

选取北京市居民消费水平和GDP经济变量做协整分析,研究表明：在所选取的样本区间内（1985—2006）这两列时间序列之间存在协整关系,通过建立误差修正模型,得到了较好的拟合结果,验证了两变量间具有双向Granger因果关系。     

灰色神经网络模型在猪肉价格预测中的应用

本文针对猪肉价格波动的特点，利用灰色神经网络模型（CGNN）对猪肉价格进行预测。CGNN模型是对同一已知时间序列，采用不同的GM（1，1）改进模型得到的预测结果使用神经网络进行组合，将每个灰色预测结果“串联”起来，融入神经网络之中，发挥每个灰色预测模型的优点，从而得到更为精确的预测值的方法。