我国是一个粮食生产大国,也是一个粮食消费大国。粮食消费与社会发展密切相关,不同的发展阶段、地域及经济发展水平,粮食消费的状况和特点也各有不同。改革开放40多年来,我国经济水平发展迅速,人民生活水平日益提高,居民的饮食消费习惯也在悄然发生变化,人民已不再满足于对粮食的直接消费,更多的转化为间接粮食消费,消费结构由植物性消费转向动物性消费。而且,随着人口增加以及城镇化水平的提高,粮食总消费量呈刚性增长,同时城乡居民的口粮消费量和饲料粮消费量也出现一些新的特点和发展趋势。另外,我国的耕地面积却在缩减,还存在对粮食生产限制的水资源匮乏以及气候变化等自然因素问题,这将会使得中国的粮食供需长期处于紧平衡的状态,对我国的粮食安全带来新的挑战。未来一段时期是我国经济、社会快速转型阶段,能够科学把握我国粮食消费特点与发展趋势,对确保我国粮食供需平衡具有十分重要的意义。本文综合分析了影响粮食消费的主要因素,并把粮食消费量分为口粮消费、饲料粮消费、工业用粮消费、种子用粮消费和粮食损耗五部分进行科学分析和预测。其中,口粮消费包括农村居民口粮消费和城镇居民口粮消费,属于直接粮食消费,饲料粮、工业用粮及种子用粮消费称为间接粮食消费。本文的创新性工作主要包括:(1)提出基于灰色关联度和皮尔逊关联系数的平均加权组合模型来筛选粮食消费量的关键影响因素,并采用最优窗宽的移动平均滤波对原始数据进行预处理,结合变异系数检验判断其平稳性,为后续粮食消费量的高精度预测提供可能。(2)提出基于经验模态分解(EMD)的时间序列粮食消费量组合预测模型,首先将原始数据进行插值增加数据长度后,采用EMD方法将粮食消费量数据分解为若干平稳项和非平稳残余项,再分别输入到差分自回归移动平均模型(ARIMA)进行预测,最后把各预测结果加总得到总消费量的预测值。仿真分析表明:该模型能够实现我国粮食总消费量的中短期预测,相比现有的ARIMA模型具有更高的预测精度,但是该模型要求有较多的训练数据,不适用于数据量较少的预测场景。(3)为实现粮食消费量的中长期预测,本文提出基于数据重心法的时间序列-多元回归粮食消费量预测模型。首先采用灰色关联度和皮尔逊关联系数的加权组合模型筛选粮食消费量的关键影响因素,对其进行最优预处理后输入到多元回归预测模型中,模型参数采用稳健求参的数据重心法求解,并通过预测误差反馈进行优化。在此基础上,创新性的提出把待预测变量历史数据作为多元回归预测模型的关键影响因素之一,从而建立了时间序列-多元回归粮食消费量预测模型。仿真分析表明,该模型能够同时利用时间序列模型和多元回归模型的优势,从而进一步提高粮食消费量预测的精度和稳定性。