摘要：運(yùn)用回歸預(yù)測法與灰色系統(tǒng)預(yù)測法分別對(duì)中國農(nóng)業(yè)總產(chǎn)值進(jìn)行預(yù)測，再根據(jù)兩種方法的誤差確定優(yōu)化組合預(yù)測模型的權(quán)重，通過優(yōu)化組合方法對(duì)兩種預(yù)測方法結(jié)果進(jìn)行信息綜合。結(jié)果表明，優(yōu)化組合模型綜合預(yù)測方法具有相對(duì)合理性、可行性和實(shí)用性，可為中國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展規(guī)劃及管理決策提供科學(xué)依據(jù)。

關(guān)鍵詞：農(nóng)業(yè)總產(chǎn)值；灰色系統(tǒng)預(yù)測法；回歸預(yù)測；組合預(yù)測法

中圖分類號(hào)：F321；F224 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）23-5930-04

21世紀(jì)以來，中國農(nóng)業(yè)經(jīng)濟(jì)呈現(xiàn)快速發(fā)展的良好勢頭。據(jù)2012年的《中國統(tǒng)計(jì)年鑒》統(tǒng)計(jì)數(shù)據(jù)，2003年中國農(nóng)業(yè)總產(chǎn)值為17 381.7億元，2007年為28 627.0億元，2011年為47 486.2億元。2007年中國農(nóng)業(yè)總產(chǎn)值和2003年相比增加了65%， 2011年中國農(nóng)業(yè)總產(chǎn)值和2003年相比，則增長了173%，未來中國農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展趨勢怎樣，是中國政府應(yīng)該關(guān)注的大事。農(nóng)業(yè)是國家的基礎(chǔ)產(chǎn)業(yè)，也是與國民生活息息相關(guān)的產(chǎn)業(yè)，所以農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展不僅關(guān)系到人民生活的質(zhì)量，還關(guān)系到國家的穩(wěn)定和安全。目前對(duì)中國農(nóng)業(yè)經(jīng)濟(jì)方面進(jìn)行預(yù)測分析研究的相關(guān)文獻(xiàn)很少。由于不同的預(yù)測方法是從不同的角度來對(duì)經(jīng)濟(jì)現(xiàn)象進(jìn)行預(yù)測，若用一種預(yù)測方法來進(jìn)行預(yù)測，勢必會(huì)造成預(yù)測結(jié)果的片面性[1]。為了克服單一預(yù)測方法的片面性，本研究嘗試運(yùn)用回歸預(yù)測法與灰色系統(tǒng)預(yù)測法分別對(duì)中國農(nóng)業(yè)總產(chǎn)值進(jìn)行預(yù)測，再根據(jù)兩種方法的誤差確定優(yōu)化組合模型的權(quán)重，通過優(yōu)化組合方法對(duì)兩種預(yù)測方法結(jié)果進(jìn)行信息綜合，目的是通過建立科學(xué)的方法對(duì)中國農(nóng)業(yè)總產(chǎn)值進(jìn)行預(yù)測，有效地指導(dǎo)中國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，協(xié)調(diào)中國農(nóng)業(yè)資源開發(fā)及利用，為中國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展規(guī)劃及管理提供科學(xué)依據(jù)。

1 算法描述及數(shù)學(xué)模型

1.1 算法描述

回歸預(yù)測法是分析變量之間具有相關(guān)關(guān)系的一種數(shù)理統(tǒng)計(jì)方法[2]，利用數(shù)理統(tǒng)計(jì)方法建立因變量與自變量之間的回歸方程，線性回歸模型用途之一是作為預(yù)測的工具[3]。

中國學(xué)者鄧聚龍教授于1982年創(chuàng)立了灰色系統(tǒng)理論（Grey system theory）[4]?；疑碚撌歉鶕?jù)系統(tǒng)的行為特征數(shù)據(jù)，找出因素之間和因素自身的數(shù)學(xué)關(guān)系或變化規(guī)律，建立一種描述被研究系統(tǒng)的動(dòng)態(tài)變化特征的模型[5]，成為解決不確定性的一種有用方法[6]?；疑到y(tǒng)理論具有所需樣本數(shù)據(jù)少，不需要計(jì)算統(tǒng)計(jì)特征量等優(yōu)點(diǎn)[7]。

本算法是先運(yùn)用回歸預(yù)測法與灰色系統(tǒng)預(yù)測法分別對(duì)中國農(nóng)業(yè)總產(chǎn)值進(jìn)行預(yù)測，再根據(jù)兩種方法的誤差確定優(yōu)化組合預(yù)測模型的權(quán)重，對(duì)兩種預(yù)測方法結(jié)果進(jìn)行信息綜合，從而得到優(yōu)化組合預(yù)測方法的預(yù)測結(jié)果。

1.2 數(shù)學(xué)模型

3 預(yù)測結(jié)果分析

通過表4可以得出，綜合相對(duì)誤差絕對(duì)值均小于回歸預(yù)測的相對(duì)誤差絕對(duì)值和灰色預(yù)測的相對(duì)誤差絕對(duì)值的最大值；綜合相對(duì)誤差絕對(duì)值有7項(xiàng)小于回歸預(yù)測的相對(duì)誤差絕對(duì)值，綜合相對(duì)誤差絕對(duì)值有2項(xiàng)小于灰色預(yù)測的相對(duì)誤差絕對(duì)值；綜合相對(duì)誤差絕對(duì)值小于5%的項(xiàng)數(shù)有7項(xiàng)，回歸預(yù)測的相對(duì)誤差絕對(duì)值小于5%的項(xiàng)數(shù)有3項(xiàng)，灰色預(yù)測的相對(duì)誤差絕對(duì)值小于5%的項(xiàng)數(shù)有7項(xiàng)，說明綜合相對(duì)誤差絕對(duì)值小于5%的項(xiàng)數(shù)大于等于回歸預(yù)測的相對(duì)誤差絕對(duì)值小于5%的項(xiàng)數(shù)和灰色預(yù)測的相對(duì)誤差絕對(duì)值小于5%的項(xiàng)數(shù)；綜合誤差絕對(duì)值小于回歸與灰色預(yù)測相對(duì)誤差絕對(duì)值之和的均值的有7項(xiàng)，占總項(xiàng)數(shù)的77.78%。通過綜合預(yù)測誤差可以得出該綜合優(yōu)化組合模型預(yù)測結(jié)果具有相對(duì)合理性，以克服單一方法對(duì)中國農(nóng)業(yè)總產(chǎn)值預(yù)測的不足，該綜合優(yōu)化組合預(yù)測模型能作為中國農(nóng)業(yè)總產(chǎn)值預(yù)預(yù)測模型，以更好地指導(dǎo)中國農(nóng)業(yè)產(chǎn)業(yè)的發(fā)展與規(guī)劃，為中國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展規(guī)劃及管理決策提供科學(xué)依據(jù)。

4 結(jié)語

為更好地做好中國農(nóng)業(yè)經(jīng)濟(jì)的規(guī)劃和管理，做好中國農(nóng)業(yè)經(jīng)濟(jì)預(yù)測工作具有重要的意義。而每種預(yù)測方法都是基于不同的視角來對(duì)經(jīng)濟(jì)現(xiàn)象進(jìn)行預(yù)測，具有一定的片面性，為了克服這一不足，本研究運(yùn)用優(yōu)化組合方法對(duì)中國農(nóng)業(yè)總產(chǎn)值進(jìn)行預(yù)測，結(jié)果表明，該綜合優(yōu)化組合預(yù)測模型作為中國農(nóng)業(yè)總產(chǎn)值預(yù)測模型具有一定的可行性。通過該模型預(yù)測2012-2014年綜合預(yù)測值分別為50 772.42億元、56 401.40億元、62 597.24億元。由此可以得出，中國農(nóng)業(yè)經(jīng)濟(jì)處于快速發(fā)展的良好時(shí)期。根據(jù)預(yù)測結(jié)果，到2014年，中國農(nóng)業(yè)總產(chǎn)值與2003相比將會(huì)增長2.6倍。為此，在農(nóng)業(yè)經(jīng)濟(jì)快速增長的情況下，勢必要對(duì)與農(nóng)業(yè)相關(guān)的資源進(jìn)行合理化利用。應(yīng)該充分做好中國農(nóng)業(yè)產(chǎn)業(yè)規(guī)劃，加大農(nóng)業(yè)科技投入，做好農(nóng)業(yè)產(chǎn)業(yè)化、機(jī)械化、信息化工作，努力提高農(nóng)業(yè)勞動(dòng)生產(chǎn)率，加強(qiáng)農(nóng)業(yè)生態(tài)環(huán)境保護(hù)，完善農(nóng)業(yè)相關(guān)法律法規(guī)，加快中國農(nóng)業(yè)現(xiàn)代化的進(jìn)程，以實(shí)現(xiàn)中國農(nóng)業(yè)經(jīng)濟(jì)的騰飛。

參考文獻(xiàn)：

[1] 周禮剛，陳華友，韓 冰，等. 基于對(duì)數(shù)灰關(guān)聯(lián)度的IOWGA算子最優(yōu)組合預(yù)測模型[J].運(yùn)籌與管理，2010，19（6）：33-38.

[2] 甘永萍，周 興，鄭曉平.耕地供需預(yù)測方法研究——以博白縣為例[J].地域研究與開發(fā)，2002，21（4）：60-64.

[3] LATIF A， KING M L. Linear regression forecasting in the presence of AR （1） disturbances[J]. Journal of Forecasting，1993，12（6）：513-524.

[4] SHEN J， ZHANG C， CHAI Y， et al. Prediction of planing craft motion based on grey system theory[J]. Journal of Marine Science and Application，2011，10（2）：240-245.

[5] 董振興，史定國，張東山，等.基于灰色理論的機(jī)械設(shè)備智能狀態(tài)預(yù)測[J]. 華東理工大學(xué)學(xué)報(bào).2001，27（4）：392-394.

[6] MOSTAFAEI H， KORDNOORI S. Hybrid grey forecasting model for Iran’s energy consumption and supply[J]. International Journal of Energy Economics and Policy，2012，2（3）：97-102.

[7] 張大海，江世芳，史開泉.灰色預(yù)測公式的理論缺陷及改進(jìn)[J].系統(tǒng)工程理論與實(shí)踐，2002，22（8）：140-142.

[8] 朱春江，許 強(qiáng)，李海燕.管理學(xué)基礎(chǔ)[M].北京：北京交通大學(xué)出版社，2011.

[9] 鄧聚龍.灰預(yù)測與灰決策[M].武漢：華中科技大學(xué)出版社，2002.

[10] 王 偉，李 鈺. 最優(yōu)組合預(yù)測在四川省人才需求預(yù)測中的應(yīng)用[J].價(jià)值工程，2005，3（9）：9-13.

[11] 唐小我.最優(yōu)組合預(yù)測方法及其應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，1992， 11（1）：31-35.