基于BP滤波的Fourier模型在粮食产量预测中的应用

摘要：

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。

关键词：趋势产量、气候产量、HP滤波、周期分析、BP神经网络

分类号：TP1;TP2

资助基金：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

在线出版日期：2015-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：472-478