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).