一種糧食消費量動態(tài)預測方法
【技術領域】
[0001] 本發(fā)明屬于糧食預測領域，具體涉及一種糧食消費量動態(tài)預測方法。
【背景技術】
[0002] 糧食是國之根本，我國通過建立糧倉來保證糧食的供給，單純地通過糧倉實現(xiàn)糧 食的供給雖然比較簡單，但是其不能根據(jù)糧食消費情況來合理地增加糧倉內的糧食或者減 少糧倉內的糧食，在實施起來耗費人力財力。
[0003] 為了解決上述問題，現(xiàn)有技術中給出了通過多元回歸方程對糧食消費量進行預測 的方法，根據(jù)該方法相關人員可以知道未來的糧食消費量，從而合理安排糧倉內的糧食量。 但是，現(xiàn)有的糧食消費量預測方法在預測的時候，僅僅根據(jù)已知的影響因子和糧食消費量 之間的關聯(lián)度得出一個回歸參數(shù)和隨機誤差，結合該回歸參數(shù)和隨機誤差得出糧食消費 量，預測準確度較低，可參考性價值不大。

【發(fā)明內容】

[0004] 本發(fā)明旨在提供一種預測準確率高的糧食消費量動態(tài)預測方法。
[0005] 為解決上述技術問題，本發(fā)明提供了如下的技術方案:一種糧食消費量動態(tài)預測 方法，依次包括以下步驟： (1) 、獲取η年度前若干年的糧食消費量和影響因子的值，計算η年度前若干年的糧食消 費量和影響因子之間的關聯(lián)度，進入步驟(2); (2) 、根據(jù)步驟(1)中所述的影響因子的值得出η+1年度的影響因子的值，進入步驟(3); (3) 、根據(jù)步驟(2沖η+1年度的影響因子的值和步驟（1)中計算出的關聯(lián)度計算出η+1 年度的糧食消費量;如果需要預測n+m年度的糧食消費量，進入步驟(4);如果不需要預測η+ m年度的糧食消費量，則結束； 其中η為能查詢到之前和當下的糧食消費量和影響因子的值的年度，n+m為不能查詢到 糧食消費量和影響因子的值的年度； (4) 、返回步驟(1)，并使n=n+l，直至得出n+m年的糧食消費量。
[0006] 在步驟（1)之前需要確定糧食消費量的影響因子:根據(jù)糧食消費量和與糧食消費 量變化有關的變量，計算變量和糧食消費量之間的關聯(lián)度:若關聯(lián)度>0.7,則為影響因子， 若關聯(lián)度<0.7,則不是影響因子，最終得到a個影響因子。
[0007] 所述步驟（1)中計算η年度前若干年的糧食消費量和影響因子之間的關聯(lián)度的方 法為： 1)建立糧食消費量時間數(shù)列和影響因子時間數(shù)列： 對糧食消費量建立時間數(shù)列kt=( h、k2、…、kn) (t=l，2，3，…，η);其中kt為第t年的糧食 消費量為第一年的糧食消費量;k2為第二年的糧食消費量;kn為第η年的糧食消費量； 對影響因子建立時間數(shù)列5=(匕42、一、匕)"=1，2,3，一，11) ;其中5為第七年的影響因 子的值;fi為第一年的影響因子的值;f2為第二年的影響因子的值;f n為第η年的影響因子的 值； 2) 對糧食消費量時間數(shù)列kt和影響因子時間數(shù)列ft均進行無量綱化處理，得到無量綱 糧食消費量時間數(shù)列k\和無量綱影響因子時間數(shù)列f 1*; 3) 求出無量綱糧食消費量時間數(shù)列k\和無量綱影響因子時間數(shù)列在第t年的絕對 差值序列fkt，并從fkt中找出絕對差值的最大值fk max和絕對差值的最小值fkmin; 4) 求出關聯(lián)系數(shù):根據(jù)公式Lt=(fkmax+fk_V(fkt+fk max)得出影響因子和糧食消費量 在對應年份的關聯(lián)系數(shù);其中Lt為第t年影響因子和糧食消費量的關聯(lián)系數(shù)； 5) 求出關聯(lián)度:根據(jù)公式1?=0^+1^+"_+1^)/11，（11=1，2,3，···）得出影響因子和糧食消費 量之間的關聯(lián)度;其中R為關聯(lián)度;U為第1年影響因子和糧食消費量的關聯(lián)系數(shù)，L 2為第2年 影響因子和糧食消費量的關聯(lián)系數(shù)，Ln為第η年影響因子和糧食消費量的關聯(lián)系數(shù)。
[0008] 對糧食消費量的時間數(shù)列kt和影響因子的時間數(shù)列ft均進行無量綱化處理，得到 無量綱糧食消費量時間數(shù)列k\和無量綱影響因子時間數(shù)列的方法為:將糧食消費量的 時間數(shù)列kt中的值分別與kt中的初始值相除而得到無量綱糧食消費量時間數(shù)列k\;將影響 因子的時間數(shù)列ft中的值分別與ft中的初始值相除而得到無量綱糧食消費量時間數(shù)列k\。
[0009] 所述步驟(2)中得出n+1年度的影響因子的值為： 第一步，利用ARMA(p，d，q)模型輸入步驟1)中所述的影響因子的值，對其進行平穩(wěn)性 檢驗，若平穩(wěn)，則進入第三步;若非平穩(wěn)，則進入第二步； 第二步，對輸入的影響因子進行差分處理，直至序列達到平穩(wěn)； 第三步，建立預測模型； 第四步，對預測模型進行殘差檢驗，確定最終模型； 第五步，根據(jù)第四步確定的最終模型得到n+1年度的影響因子的值。
[0010] 步驟(3)中計算n+1年度的糧食消費量具體為:根據(jù)糧食消費量和影響因子之間的 關系，建立多元回歸模型： yn+l=U〇+UlX+U2Xl+U3X2+U4X3+---+UaXa-l+ ￡ , 其中yn+i為n+1年度的糧食消費量;乂^2、乂3上、~丄- 1為步驟(2)中11+1年度的影響 因子的值;U〇、山、U2、U3、U4、…、匕和ε分別為根據(jù)步驟（1)中的關聯(lián)度計算出的回歸參數(shù)和 隨機誤差。
[0011] 所述的根據(jù)步驟（1)中的關聯(lián)度計算回歸參數(shù)和隨機誤差是通過最小二乘法計算 的。
[0012] 糧食消費量為口糧消費量/飼料用糧消費量/種子用糧消費量/工業(yè)用糧消費量。
[0013] 糧食消費量為農村糧食消費量或城鎮(zhèn)糧食消費量。
[0014]通過以上技術方案，本發(fā)明的有益效果為： 1. 本發(fā)明利用動態(tài)的方法結合多元回歸分析對我國糧食消費量進行預測，在預測的時 候多元回歸方程的回歸參數(shù)不斷地發(fā)生變化，防止了現(xiàn)有的預測方法中始終利用一個回歸 參數(shù)和一個隨機誤差進行預測，從而使得預測結果能夠根據(jù)情況進行不斷地修正，進而提 高了預測的準確度，可以用于長期預測； 2. 為了提高準確率，將農村糧食消費量或城鎮(zhèn)糧食消費量區(qū)分開來預測，可以避免因 兩者的影響因子和糧食消費量之間的關聯(lián)度的不同而造成的預測不準確的問題； 3. 在確定變量是否為影響因子的時候，看變量和糧食消費量之間的關聯(lián)度是否大于 0.7,從而通過增加糧食消費量的影響因子的數(shù)量，同時增快判斷速度的方式，提高了預測 的準確性和預測的速度； 4.取變量和糧食消費量的關聯(lián)度作為判斷該變量是否為影響因子，可以提高判斷地準 確性，避免隨機年份的誤差影響預測結果。
【附圖說明】
[0015] 圖1為本發(fā)明的方法流程圖； 圖2為糧食消費量和影響因子之間的關聯(lián)度計算流程圖。
【具體實施方式】
[0016] 本發(fā)明提供了一種糧食消費量動態(tài)預測方法，具體包括以下步驟： (1) 、獲取η年度前若干年的糧食消費量和影響因子的值，計算η年度前若干年的糧食消 費量和影響因子之間的關聯(lián)度，進入步驟(2); (2) 、根據(jù)步驟(1)中所述的影響因子的值得出η+1年度的影響因子的值，進入步驟(3); (3) 、根據(jù)步驟(2)中η+1年度的影響因子的值和步驟(1)中計算出的關聯(lián)度，計算出η+1 年度的糧食消費量;如果需要預測n+m年度的糧食消費量，進入步驟(4);如果不需要預測η+ m年度的糧食消費量，則結束； 其中η為能查詢到之前和當下的糧食消費量和影響因子的值的年度，n+m為不能查詢到 糧食消費量和影響因子的值的年度;能查詢到的之前和當下的糧食消費量和影響因子的值 包括已經實際發(fā)生的糧食消費量和影響因子的值，也包括通過本方法預測出的糧食消費和 影響因子的值