【正文】 Study on the method of time series based on grain output Abstract： Food is the most basic consumer goods for human survival, the problem of the grain output of a country relates to the national economy and the national economy and the country39。 I 畢業(yè)設(shè)計(jì)（論文） 題 目 基于時(shí)間序列在糧食產(chǎn)量中的方法研究 II 基于時(shí)間序列在糧食產(chǎn)量中的方法研究 摘要 ： 糧食是我們生產(chǎn)和生活中的基本消費(fèi)品，我國(guó)民生國(guó)計(jì)的首要 大事 就是解決我國(guó)的糧食產(chǎn)量問題。s national economy and the nation39。糧食是人們生活中不可或缺的重要必需品，而且需求越來越大，市場(chǎng)上的糧 食的供求關(guān)系將會(huì)發(fā)展成是偏緊的關(guān)系。據(jù)統(tǒng)計(jì)，當(dāng)前我國(guó)的人均耕地僅為 12 畝（該數(shù)字比實(shí)際值小，還有待進(jìn)一步的核查），我國(guó)的耕地 面積不足世界人均耕地的%。為了提高糧食生產(chǎn)產(chǎn)量和促進(jìn)糧食的生產(chǎn) 的根本就是先提供一套可以鼓勵(lì)糧食生產(chǎn)的政策措施 ,只有提高了糧食種植的效益和增加糧農(nóng)的收入，才可以更加有效。雙對(duì)數(shù)模型是一種被廣發(fā)應(yīng)用的回歸模型，和雙對(duì)數(shù)模型一樣回歸模型中應(yīng)用的比較多的還有線性回歸模型。一切客觀現(xiàn)象都在不斷的發(fā)展變化中，所以對(duì)于現(xiàn)象在發(fā)展中的變的規(guī)律，不光要其相互關(guān)聯(lián)以及從內(nèi)部結(jié)構(gòu)以去認(rèn)識(shí)，并且應(yīng)當(dāng)隨著時(shí)間演化的過程去鉆研，這就需要運(yùn)用到時(shí)間序列分析方法。此外 ,ARIMA 模型有很多優(yōu)勢(shì) ,如處理序列相關(guān)性、與時(shí)間相關(guān)的變化和預(yù)測(cè)能力比其他類似的模型。時(shí)趨勢(shì)變化、周期性變化、隨機(jī)變化這是時(shí)間序列預(yù)測(cè)所反映的三類實(shí)際變化 規(guī)律。該隨機(jī)項(xiàng) te 和滯后變量 1?tx ， 2?tx ，? ， ptx? 是不相關(guān)的。所以要求滯后多項(xiàng)式 ??B? 的所有根 均必須在單位圓外，經(jīng)過推導(dǎo)可得出 本科生畢業(yè)設(shè)計(jì)（論文） 第 5 頁 共 17 頁 ? ?212 011 jt j t tjB B x B x e? ? ?????? ? ? ? ? ?????? （ 6） 其中， 0 1??? ， 0 1B? ，其他權(quán)重 j? 可地推得到。 差分自回歸滑動(dòng)平均 (ARIMA)模型 差分自回歸滑動(dòng)平均模型，處理非平穩(wěn)的時(shí)間序列，將其轉(zhuǎn)化為平穩(wěn)的時(shí)間序列。并根據(jù)其散點(diǎn)圖或者折線圖的分析對(duì)該序列進(jìn)行初步判斷。 （ 1） 檢驗(yàn)時(shí)間序列數(shù)據(jù)是否是平穩(wěn)性的。 （ 4）進(jìn)行參數(shù)估計(jì)。 模型試驗(yàn)和模型參數(shù)估計(jì)的識(shí)別后，估計(jì)的結(jié)果應(yīng)該被診斷和測(cè)試，以找出合適的模型。將往年的糧食產(chǎn)量整理做時(shí)間序列，并找出過去數(shù)據(jù)的變化規(guī)律，然后建立預(yù)測(cè)模型，并用此來預(yù)測(cè)我國(guó)未來的糧食產(chǎn)量的發(fā)展變化，這有著非常重要的意義。 數(shù)據(jù)平穩(wěn)化 糧食產(chǎn)量的時(shí)間序列是一階差分的單位根檢驗(yàn)，其結(jié)果是： 20xx 50, 本科生畢業(yè)設(shè)計(jì)（論文） 第 9 頁 共 17 頁 圖：糧食產(chǎn)量時(shí)間序列單根檢驗(yàn) 由上圖的測(cè)試結(jié)果可以看出， 單根為 明顯大于 10%水平以下的臨界值，所以該時(shí)間序列存在單位根，故而時(shí)間序列是非平穩(wěn)的時(shí)間序列。以此，可以得出： p=2 q=3 所以，我們可以確定模型參數(shù)，建立模型 ARIMA(2,1,3) 本科生畢業(yè)設(shè)計(jì)（論文） 第 12 頁 共 17 頁 模型有效性檢驗(yàn) 通過利用沒使用過的時(shí)間序列的觀測(cè)值判斷模型的預(yù)測(cè)能力，這 是模型的有效性檢驗(yàn)。同時(shí)農(nóng)民當(dāng)時(shí)收入較低，各地的農(nóng)民為了獲得更高的利益增加收入而播種了利潤(rùn)更高的經(jīng)濟(jì)作物。 本科生畢業(yè)設(shè)計(jì)（論文） 第 15 頁 共 17 頁 參 考 文 獻(xiàn) [1] 劉羅曼 ． 時(shí)間序列分析中指數(shù)平滑法的應(yīng)用 [J]．沈陽師范大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 20xx， 27(4)： 416418． [2] 齊雨藻，黃偉建，邱漩鴻 ． 大鵬灣夜光藻種群動(dòng)態(tài)的時(shí)間序列模型 [J]．暨南大學(xué)學(xué)報(bào) (自然科學(xué)與醫(yī)學(xué)版 )， 1991， 12(3)： 96— 103． [3] 王燕．應(yīng)用時(shí)間序列分析 (第三版 )[M]．北京 ：中國(guó)人民大學(xué)出版社． 20xx． [4] 龍建輝，賀向陽．港口投資、港口物流與經(jīng)濟(jì)增長(zhǎng) — — 來自寧波市 1985— 20xx年的時(shí)間序列證據(jù) [J]．經(jīng)濟(jì)師， 20xx(4)： 2l2— 2l6． [5] 李瑞瑩，康銳．基于 ARMA 模型的故障率預(yù)測(cè)方法研究 [J]．系統(tǒng)工程與電子技術(shù)， 20xx， 30(8)： 1588— 1591. [6] 賈朝龍，徐維祥，王福田，等．基于 GM (1， 1)與 AR 模型的軌道不平順狀態(tài)預(yù)測(cè) [J]．北京交通大學(xué)學(xué)報(bào)：自然科學(xué)版， 20xx， 36(3)： 52— 56． [7] Jiang Y， Feng L． Transportrelated resource and environmental issues in China. Special Edition[J]． Transportation in China， 20xx， 7(8)： 9． [8] Hou Q， An XQ, Guo JP． An evaluation of resident exposure to respirable particulate matter and health economic loss in Beijing during Beijing 20xx Olympic Games[J]． Sci. Total Environ， 20xx， 408(19)： 23． [9]China State Environmental Protection Administration[J] ． China State Environmental Protection Administration， 20xx， 21(5)： 9597． [10] Anderson HR， Air pollution and mortality： a history[J]． Atmos. Environ. 20xx；43(1)： 142–152． [11] Yu GH， Chen HL, Wen WC (20xx) A distributionfree method for forecasting nonGaussian time series[J]． Stoch Environ Res Risk A 16(2)： 101–111． [12] Yu GH， Huang CC (20xx) A distribution free plotting position[J]． Stoch Environ Res Risk A 15(6)： 462–476． [13] Mudelsee M (20xx) Long memory of rivers from spatial aggregation[J]． Water Resour Res 43(1)： 8796． [14] Mandelbrot B, Wallis JR (1969) Computer experiments with fractional Gaussian noises． Averages and variances[J]． Water Resour Res 5(1)： 228–241. [15] Chuang MD， Yu GH (20xx) Order series method for forecasting nonGaussian time series[J]． Forecast 26(4)： 239–250． [16] Kwiatkowski D， Phillips PCB, Schmidt P， Shin YC (1992) Testing the null hypothesis of stationarity against the alternative of a unit root—how sure are we that economic time series have a unit root[J]． J Econom 54(1–3):159