10.3969/j.issn.1000-6362.2015.04.011
基于BP滤波的Fourier模型在粮食产量预测中的应用
本文尝试将经济学中的功率谱分析(BP滤波)与统计学中的Fourier模型相结合,先利用BP滤波选出对气候产量波动影响较大的周期,再对这些周期建立Fourier模型来拟合气候产量;同时运用多项式模型拟合趋势产量,并用滞后模型对残差进行修正,以提高粮食单产预测的精确度。利用1961-2000年粮食单产序列数据,分别采用Fourier方法和多项式滞后方法、BPNN法和灰色模型法建立模型,以2001-2012年粮食单产数据进行拟合检验。将这3种方法拟合结果进行比较。结果表明,本文引入的模型通过0.01水平的显著性检验且相对误差均在5%以下,利用模型对粮食单产进行中长期预测的结果表明,2013-2017年中国粮食单产将稳定在6018.6~6466.7kg·hm?2。BP神经网络法模拟的粮食单产虽然拟合相对误差较小,但模型不能得到直观解释,在预测时存在一定的随机性;灰色模型模拟的粮食单产相对误差高达35%,与实际产量存在较大差异。研究结果反映出Fourier模型和多项式滞后模型在粮食产量预测中,其精确度更高且更直观,能够用以预测未来粮食单产以及未来气候变化对粮食单产的影响。
趋势产量、气候产量、HP滤波、周期分析、BP神经网络
TP1;TP2
国家社会科学基金“雾霾污染的间接经济损失及公众治理意愿研究”15BTJ019;公益性行业科研专项“台风/暴雨灾害损失及服务效益评估关键技术与系统研发”GYHY201506051;教育部哲学社会科学发展报告项目“中国制造业发展研究报告”13JBG004;气候变化与公共政策研究院2014年度开放课题14QHA020
2015-09-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
472-478