吳憲

摘 要：首次利用IOWA算子組合模型，對浙江省林業(yè)總產(chǎn)值進行預測?；谡憬y(tǒng)計年鑒中的歷年林業(yè)總產(chǎn)值數(shù)據(jù)，采用GM灰色模型（1，1）、ARIMA（p，d，q）模型進行產(chǎn)值預測，并對產(chǎn)值預測進行精度計算，然后使用組合模型（IOWA算子），對GM灰色模型和ARIMA模型的數(shù)據(jù)按算法進行組合。最終通過評價可知，數(shù)據(jù)結(jié)果體現(xiàn)組合預測（IOWA算子）比單一預測模型更具有優(yōu)勢。

關鍵詞：GM灰色模型;ARIMA模型;IOWA算子;組合模型;林業(yè)總產(chǎn)值;預測

中圖分類號：F326.27? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2019）21-0102-03

一、主要文獻回顧

國內(nèi)對于林業(yè)總產(chǎn)值的預測，下列如ARIMA模型（沈杰，2018）、基于馬爾科夫模型（張建成，2018）、GM模型（朱曼，2013）、Holter-Winterf非季節(jié)模型和Logistc曲線（趙健，2016）模型也有所運用。

近年來，在組合模型（IOWA算子）的預測應用中，多學科多產(chǎn)業(yè)有所采用。IOWA概念在1969年由Bates和Granger 年首次提出，國內(nèi)研究者陳華友和劉春林得以推廣，建立使用誘導有序加權(quán)算術(shù)平均（IOWA）算子理論的數(shù)學模型，其將評價標準為最小誤差平方和的高低，數(shù)據(jù)表明其算法優(yōu)化的準確性，同時確定計算出IOWA 算子系數(shù)。

二、模型簡述

（一）模型的建立

（二）IOWA算子

（三）模型的建立與計算

與單一模型預測策略相比，組合預測模型（IOWA算子）在應用中更加精準，其明顯優(yōu)于單一的模型預測。計算組合模型策略中每個時點上單一模型預測產(chǎn)值，在對應的時點上加權(quán)平均，研究表明預測產(chǎn)值與每個時點上預測精準度有關，由此計算出預測產(chǎn)值將更加符合實際產(chǎn)值。因此，本次研究采用組合預測（IOWA算子）模型對浙江省林業(yè)總產(chǎn)值進行預測。

（四）評價體系

組合預測（IOWA算子）模型，其評價體系是對每個單一模型預測方法和組合預測（IOWA算子）方法進行比較，計算其在預測效果上的差異，其多采用的指標如下：

三、數(shù)據(jù)與研究模型

（一）數(shù)據(jù)來源

本文研究所用數(shù)據(jù)主要來自于國家數(shù)據(jù)網(wǎng)站，以及《浙江省統(tǒng)計年鑒（2018）》中獲得的林業(yè)總產(chǎn)值年度數(shù)據(jù)（2006—2017年）。采用Matlab、Lingo、SPSS等進行計算，對浙江省2018—2020年的林業(yè)總產(chǎn)值進行預測（見表1）。

（二）灰色GM（1，1）模型

1982年華科的鄧聚龍教授提出的灰色系統(tǒng)理論是通過收集少量數(shù)據(jù)，通過分析，計算差分方程、矩陣轉(zhuǎn)換，建立灰色模型，并對研究對象進行了長期模糊描述。通過用Matlab軟件對數(shù)據(jù)灰色模型的處理，得到了灰色預測模型擬合方程：

（三）時間序列ARIMA模型

ARIMA模型是自回歸預測模型，利用差分對數(shù)據(jù)進行整合移動平均，建立考慮時間序列的數(shù)學模型。在ARIMA含有下列因子（p，d，q）中，自回歸因子A是，移動平均因子MA，自回歸因子p，移動平均因子q，d是差分數(shù)，通過計算可得p=2，d=1，q=1，具體預測值（見表2）。

（四）IOWA組合預測模型

建立二維數(shù)組[a1t，x1t]，[a2t，x2t]，…，[amt，xmt]，將數(shù)據(jù)代入式（2）得到下列方程：

fL（[a11，x11]，[a21，x21]）=94.02w1+104.28w2

fL（[a12，x12]，[a22，x22]）=109.54w1+102.92w2

同理，對t=2，3…，N可以得出其他時間點的fL（[a1t，x1t]，[a2t，x2t]），然后用Lingo軟件使用最優(yōu)化計算，得出各單項預測權(quán)重w=（0.8785，0.1215）T。以該權(quán)重建立組合預測模型，計算結(jié)果（如下頁表3所示）。

（五）模型評價

按照前文的評價指標對每個模型進行分析，采用組合預測（IOWA算子）模型的優(yōu)勢明顯，精度更高。

四、結(jié)語

本文采用GM（1，1）灰色預測模型、時間序列ARIMA（2，1，1）的預測模型。對2006—2017年浙江省林業(yè)總產(chǎn)值進行模型預測，最后采用組合模型（IOWA算子）的誘導有序加權(quán)平均算法。對上述GM和ARIMA模型進行組合預測，通過擬合，組合模型（IOWA算子）預測精度明顯高于每個單項模型，說明本次研究所采用組合預測（IOWA算子）模型預測對于浙江林業(yè)總產(chǎn)值是有效的。

從預測結(jié)果分析，2020年的林業(yè)總產(chǎn)值預測為193.16億元，2021年即可突破200億元。為此，建議進一步實施新一輪的林業(yè)發(fā)展政策，提高森林覆蓋率，優(yōu)化經(jīng)濟林種植的品種和面積，做到投入產(chǎn)出間的最大化。大力推動林業(yè)相關產(chǎn)業(yè)間融合發(fā)展，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，提升產(chǎn)業(yè)高附加值，減少因產(chǎn)業(yè)發(fā)展而對環(huán)境造成的影響。加快木本科油料林木、浙江特色的毛竹和花卉苗木等產(chǎn)業(yè)的發(fā)展，尤其是增加木本油料基地的建設，同時，進一步加大森林休閑旅游養(yǎng)生產(chǎn)業(yè)的發(fā)展，達到綠色可持續(xù)發(fā)展的高效率產(chǎn)業(yè)目標。

參考文獻：

[1]? 孫麗，牟海波.基于IOWA組合模型的高速鐵路客運量預測研究[J].鐵道運輸與經(jīng)濟，2018，（9）.

[2]? 陳華友.組合預測模型與方法研究綜述[J].大學數(shù)學，2017，（4）.

[3]? 李淑鳳，謝威.基于GM（1，1）模型的牡丹江市林產(chǎn)總值預測[J].牡丹江師范學院學報：自然科學版，2018，（2）.

[4]? 張建成，智榮.內(nèi)蒙古林業(yè)總產(chǎn)值預測——基于馬爾科夫的修正指數(shù)平滑預測模型[J].林業(yè)經(jīng)濟，2018，（3）.

[5]? 沈杰，楊忠月，喬吉良.基于季節(jié)性時間序列模型的林業(yè)產(chǎn)值預測分析[J].南京林業(yè)大學學報：自然科學版，2018，（5）.