论文部分内容阅读
吐鲁番的葡萄是新疆比较具有特征的农作物,且吐鲁番位于新疆中部的低洼盆地上,与外界距离较远,受外界干扰少,稳定变化少,当地的葡萄产业更加稳定,所以选择吐鲁番的葡萄作为研究对象,对吐鲁番市葡萄的影响特征因子分析及产量预测分析,有利于促进当地葡萄产业的健康发展,有利于发展可持续的生态农业,同时也有利于增加吐鲁番农民的收入,促进吐鲁番经济快速发展并提出有力的建议。由于葡萄种植收益越高,农户种植葡萄的积极性越高,葡萄种植进行农业技术和物质资源的投入力度就会越来越大,葡萄的品质和价格就会相应地提升。所以对吐鲁番葡萄影响因子和产量预测模型的分析,对推动葡萄产业化的发展具有积极作用,所以研究此课题更具有实际意义。本文基于R语言关于主成分分析、多元线性回归模型、时间序列ARIMA模型及MATLAB的GM(1,1)模型的相关理论知识,以吐鲁番市影响因素和葡萄产量数据为基础,通过对数据本身进行数据预处理,建立适用于数据挖掘的数据评价体系,并基于该数据分别建立了主成分分析模型对影响因子进行分析以及多元线性回归模型、ARIMA模型和GM(1,1)模型、残差修正GM-ARIMA模型进行吐鲁番市葡萄单产的预测分析,对多种预测模型方法进行比较研究,实现了对吐鲁番市葡萄单产变化趋势的有效预测。(1)运用影响因素主成分分析方法,对指标体系数据进行研究,根据分析结果发现,影响吐鲁番市葡萄产量的主成分共有2个,一个为“投入成分”,另一个为“自然成分”。在第一主成分中占主导地位的变量为葡萄种植产业投资0.89、人力投入0.81和化肥施用量0.78,第二主成分中主要的变量为平均最低气温0.85、温差0.79和日照时数0.74。因此本文通过分析可以发现在影响吐鲁番市葡萄产量的影响因子中影响最大的是“投入成分”,其次是“自然成分”。(2)通过多元线性回归模型进行预测,预测结果的平均绝对误差(MAD)结果为287.26、均方根误差(RMSE)结果为1243.05、平均绝对百分比误差(MAPE)结果为1.058%,以上三项误差指标计算结果均较小,说明多元线性回归模型吐鲁番市葡萄产量预测精度较高。虽然多元线性回归模型考虑了影响因素后的预测精度较高,但对于未来的影响因素数据是不确定且不可控的。由于没有对影响因素进行预测,无法将未来的影响因素数据代入回归方程中对未来进行预测,所以无法对未来的葡萄单产进行预测。(3)利用ARIMA(0,2,1)模型对吐鲁番市葡萄单产进行预测,吐鲁番市葡萄单产预预测值可以反映葡萄产量真实值的变化趋势。ARIMA(0,2,1)模型预测结果的平均绝对误差(MAD)结果为2035.59、均方根误差(RMSE)结果为2667.77、平均绝对百分比误差(MAPE)结果为7.688%,预测结果的误差均较小。表明该模型具有良好的预测精度和拟合度,可用于预测。(4)通过GM(1,1)模型建模步骤建立模型并对模型进行检验,发现吐鲁番市葡萄单产预测模型相对误差大多数均超过10%,平均相对误差为12.46%,平均相对精度为87.54%,模型精度预测等级达到二级,且从GM(1,1)模型预测结果的平均绝对误差(MAD)结果为3333.69、均方根误差(RMSE)结果为4098.66、平均绝对百分比误差(MAPE)结果为12.46%,以上三项误差指标计算结果均较大,说明GM(1,1)模型吐鲁番市葡萄产量预测精度不是很高,因此用单一的GM(1,1)模型对吐鲁番市葡萄单产的预测准确性不高。(5)利用ARIMA模型对GM(1,1)模型的预测残差进行修正,预测结果相对误差均在5%左右,只有一年超过10%,而预测结果的平均绝对误差(MAD)结果为1741.28、均方根误差(RMSE)结果为2275.29、平均绝对百分比误差(MAPE)结果为6.60%。残差修正GM-ARIMA模型预测精度较高,与单一的GM(1,1)模型比较模型精度要高于单一的GM(1,1)模型,可以用来预测吐鲁番市葡萄单产。(6)使用残差修正GM-ARIMA模型对未来进行预测。2018年的真实值在《吐鲁番市国民经济和社会发展统计公报》已发布,并进一步对残差修正GM-ARIMA模型预测结果进行验证,发现残差修正GM-ARIMA模型预测精度较高,适合用于吐鲁番市葡萄单产预测,预测2019年-2021年吐鲁番市葡萄单产为29774.62、30621.55、31786.16。