【正文】 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 本科生畢業(yè)設(shè)計(jì)（論文） 第 20 頁(yè) 共 17 頁(yè) 注 意 事 項(xiàng) （論文）的內(nèi)容包括： 1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作） 2）原創(chuàng)性聲明 3）中文摘要（ 300 字左右）、關(guān)鍵詞 4）外文摘要、關(guān)鍵詞 5）目次頁(yè)（附件不統(tǒng)一編入） 6）論文主體部分：引言（或緒論） 、正文、結(jié)論 7）參考文獻(xiàn) 8）致謝 9）附錄（對(duì)論文支持必要時(shí)） ：理工類(lèi)設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于 1 萬(wàn)字（不包括圖紙、程序清單等），文科類(lèi)論文正文字?jǐn)?shù)不少于 萬(wàn)字。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說(shuō)明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。從一開(kāi)始的茫然無(wú)措，到現(xiàn)在慢慢摸清其中的 原由，取得了不少的進(jìn)步。導(dǎo)致當(dāng)時(shí)糧食總 產(chǎn)量的下降，以及突然發(fā)生的自然災(zāi)害，遭受到了嚴(yán)重干旱本科生畢業(yè)設(shè)計(jì)（論文） 第 14 頁(yè) 共 17 頁(yè) 的襲擊，這也是全年糧食總產(chǎn)量可能下降的原因。利用一部分已有的歷史數(shù)據(jù)，對(duì)其進(jìn)行回歸并做出預(yù)測(cè)。 模型的定階 ARIMA 模型的參數(shù)的確定有不同的定階方法，自相關(guān)和偏相關(guān)函數(shù)定階法、 FPS 準(zhǔn)則以及 AIC 和 SC 準(zhǔn)則是三種廣泛使用的方法。 下面以我國(guó) 20xx— 20xx 年我國(guó)糧食總產(chǎn)量的數(shù)據(jù) (見(jiàn)下表 )為例，并用時(shí)間序列對(duì)下面數(shù)據(jù)進(jìn)行數(shù)據(jù)分析處理的 過(guò)程做出介紹。若不合適，應(yīng)該知道下一步作何種修改。 （ 5）診斷該時(shí)間序列的殘差序列是否為白噪聲（可以通過(guò)假設(shè)檢驗(yàn)）。并根據(jù)其散點(diǎn)圖或者折線(xiàn)圖的分析對(duì)該序列進(jìn)行初步判斷。 ADF 單位根檢驗(yàn)一般用來(lái)來(lái)精確判斷這個(gè)序列的平穩(wěn)性。繼而將因變量對(duì)其的滯后值 跟進(jìn)行回歸，同時(shí)把隨機(jī)誤差項(xiàng)的現(xiàn)值也進(jìn)行進(jìn)行回歸，然后建立的模型?？梢哉f(shuō)式（ 6）是 MA 模型的逆轉(zhuǎn)形式，這相當(dāng)于無(wú)限階數(shù)的 AR過(guò)程。不是一般性，在（ 1）中假設(shè)時(shí)間序列 tx 均值為 0tEx U??，則令 t t uxx?? ， 可將 tx 寫(xiě)成（ 1）式的形式。 要使用時(shí)間序列預(yù)測(cè)出一個(gè)現(xiàn)象的發(fā)展方向，需要進(jìn)行如下步驟：首先，通過(guò)對(duì)這一現(xiàn)象的歷史數(shù)據(jù)的觀測(cè)研究，我們發(fā)現(xiàn)隨著時(shí)間的變化而變化的現(xiàn)象的規(guī)律，并預(yù)測(cè)未來(lái)的現(xiàn)象。 時(shí)間序列是一系列的數(shù)字 序列的時(shí)間序列。 時(shí)間序列分析是處理動(dòng)態(tài)數(shù)據(jù)數(shù)據(jù)的統(tǒng)計(jì)方法。 研究糧食產(chǎn)量的方法 從大多的資料看來(lái)，基本上時(shí)間序列大多不是平穩(wěn)的，但是假如直接對(duì)非 平穩(wěn)的時(shí)間序列做回歸分析處理的話(huà)，就有可能會(huì)造成“偽回歸”的現(xiàn)象。但是，由于糧食生產(chǎn)的不確定系統(tǒng)的許多因素的制約，未來(lái)中國(guó)的糧食產(chǎn)量將如何改變，是否能實(shí)現(xiàn)國(guó)家糧食安全的目標(biāo)已經(jīng)成為一個(gè)非常有意義的話(huà)題。 1980 年這之后的十五年，我國(guó)的耕地減少了近 65010000 畝，這樣的大區(qū)域面積減少相當(dāng)于縮小了近一個(gè)安徽省那么大地域的耕地。糧食始終人類(lèi)生活中必不可少的特殊的商品，所以我國(guó)的一項(xiàng)極為重要的戰(zhàn)略職責(zé)就是要保證糧食安全。s livelihood. To make food forecast, this paper presents several modeling methods for time series. Through the analysis of the characteristics of the total grain production data in 20xx20xx, the model of auto regressive moving average ARIMA(p,d,q)is established. Finally, the forecast of grain output of our country is calculated by software. The results show that the grain output is not affected by natural disasters in the next several years, and it will slow growth. The analysis shows that the agricultural technology and the major natural disasters have a serious impact on the grain output in China. In order to ensure food production problems to develop agricultural technology and to do a major disaster prevention. Keyword: Time series 。本文 介紹了 幾種時(shí)間序列的 建模方法 ，來(lái)分析預(yù)測(cè)出我國(guó)的糧食產(chǎn)量問(wèn)題 。 關(guān)鍵 詞 ： 時(shí)間序列 ； 糧食產(chǎn)量問(wèn)題 ； ARIMA 模型 。我國(guó)的糧食產(chǎn)量問(wèn)題受到很多方面要素的影響，并且無(wú)法從中找出任何規(guī)律。于是可以看出中國(guó)的糧食產(chǎn)量問(wèn)題對(duì)我國(guó)甚至于全世界的糧食價(jià)格都有著極為重大的影響。還有退耕還林、退耕還草等這些政府大規(guī)模組織的這類(lèi)的項(xiàng)目，包括了明顯加大種植其他非農(nóng)作物，可用的耕地面積不斷減少等都直接對(duì)糧食播種面積產(chǎn)生了影響，導(dǎo)致可用的糧食播種面積的減少。其中，自回歸移動(dòng)平均模型、差分自回歸滑動(dòng)模型大多用來(lái)是處理非平穩(wěn)的時(shí)間序列常用的時(shí)間序列模型。 3．幾種時(shí)間序列預(yù) 測(cè)方法簡(jiǎn)介 就現(xiàn)狀而言，數(shù)量分析方法應(yīng)用的較多的方法是時(shí)間序列分析。單變量的時(shí)間序列模型 (比如說(shuō) ARIMA 模型 ,季節(jié)性 ARIMA 延長(zhǎng)的銷(xiāo)售季節(jié) ARIMA和 TFN的外生變量 ) 被廣泛應(yīng)用于建模和預(yù)測(cè)糧食產(chǎn) 量在不同時(shí)間尺度下的常態(tài)假設(shè)。 二、 考慮到事物發(fā)展的隨機(jī)性。本科生畢業(yè)設(shè)計(jì)（論文） 第 4 頁(yè) 共 17 頁(yè) 實(shí)參數(shù) 1? ， 2? ，?， p? 是自回歸系數(shù)，是該模型的待估參數(shù)。引入滯后算子，并令 ? ? 2121 qqB B B B? ? ? ?? ? ? ? ? 則模型（ 4）可簡(jiǎn)寫(xiě)為 ? ?ttx B e?? （ 5） 移動(dòng)平均過(guò)程，即 MA過(guò)程是無(wú)條件的平穩(wěn)的。 如果 ??B? =0，那么方程 1 1 2 2t t t p t p tx x x x e? ? ?? ? ? ? ? ? ? ?的平穩(wěn)隨機(jī)序列??tx 是 p 階自回歸模型，記為 AR(p)模型。 ARIMA(p,d,q)模型可以表示為： 本科生畢業(yè)設(shè)計(jì)（論文） 第 6 頁(yè) 共 17 頁(yè) ?????? ???piiiL11? ?dL?1 tx = ???????? ???qi i11 ?t? （ 9） 其中 L 是滯后算子 Zd? ， 0d? 。由于差分運(yùn)算是一種信息的提取和處理，所以在實(shí)際操作中要適當(dāng)?shù)倪x取差分的次數(shù)（即差分的階數(shù)），以避免出現(xiàn)過(guò)差分的現(xiàn)象。對(duì)一個(gè)平穩(wěn)序列而言，如果偏相關(guān)函數(shù)被截?cái)?，但自相關(guān)函數(shù)序列顯示拖尾現(xiàn)象，因此可以認(rèn)為該序列符合 AR 模型的規(guī)則；如果這個(gè)序列的偏相關(guān)函數(shù)是拖尾的，但是該序列的自相關(guān)函數(shù)卻是顯示截尾現(xiàn)象，那么就可斷定，此序列符合 MA 模型規(guī)則；同時(shí)，如果該序列的偏相關(guān)函數(shù)和自相關(guān)函數(shù)都顯示拖尾的現(xiàn)象，那么這個(gè)序列就符合 ARMA 模型的規(guī)則。本文采是采用最小二乘法進(jìn)行參數(shù)估計(jì)，但要提醒的是，對(duì)移動(dòng)平均模型（ MA 模型）進(jìn)行參數(shù)估計(jì)比較困難，所以我們應(yīng)當(dāng)選取較低階數(shù)的自回歸移動(dòng)模型。 很多因素都會(huì)影響到我國(guó)的糧食生產(chǎn)，比環(huán)境、人力和土地資源、農(nóng)業(yè)科學(xué)技術(shù)以及發(fā)展戰(zhàn)略方向等，這些因素之間又存在著錯(cuò)綜復(fù)雜的關(guān)系。 根據(jù)測(cè)試結(jié)果，如果得出的測(cè)試值的絕對(duì)值大于臨界值的絕對(duì)值，那么就可以判斷出，該序列就是平穩(wěn)序列；否則，為非平穩(wěn)數(shù)據(jù)。做出糧食產(chǎn)量一階差分序列 D(x)的自相關(guān) — 偏相關(guān)圖，如下： 本科生畢業(yè)設(shè)計(jì)（論文） 第 11 頁(yè) 共 17 頁(yè) 分別取幾個(gè) p， q 的值進(jìn)行檢驗(yàn)，所得到的 AIC 值，然后根據(jù) AIC 值做出判斷。所以模型只能對(duì)短期未來(lái)幾年，中國(guó)