基于IOWA組合模型的浙江林業(yè)總產(chǎn)值預(yù)測(cè)

吳憲

摘 要：首次利用IOWA算子組合模型，對(duì)浙江省林業(yè)總產(chǎn)值進(jìn)行預(yù)測(cè)?；谡憬y(tǒng)計(jì)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(jìn)行產(chǎn)值預(yù)測(cè)，并對(duì)產(chǎn)值預(yù)測(cè)進(jìn)行精度計(jì)算，然后使用組合模型（IOWA算子），對(duì)GM灰色模型和ARIMA模型的數(shù)據(jù)按算法進(jìn)行組合。最終通過評(píng)價(jià)可知，數(shù)據(jù)結(jié)果體現(xiàn)組合預(yù)測(cè)（IOWA算子）比單一預(yù)測(cè)模型更具有優(yōu)勢(shì)。

關(guān)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(yù)測(cè)

中圖分類號(hào)：F326.27? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2019）21-0102-03

一、主要文獻(xiàn)回顧

國內(nèi)對(duì)于林業(yè)總產(chǎn)值的預(yù)測(cè)，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(yùn)用。

近年來，在組合模型（IOWA算子）的預(yù)測(cè)應(yīng)用中，多學(xué)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(dǎo)有序加權(quán)算術(shù)平均（IOWA）算子理論的數(shù)學(xué)模型，其將評(píng)價(jià)標(biāo)準(zhǔn)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(zhǔn)確性，同時(shí)確定計(jì)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(jì)算

與單一模型預(yù)測(cè)策略相比，組合預(yù)測(cè)模型（IOWA算子）在應(yīng)用中更加精準(zhǔn)，其明顯優(yōu)于單一的模型預(yù)測(cè)。計(jì)算組合模型策略中每個(gè)時(shí)點(diǎn)上單一模型預(yù)測(cè)產(chǎn)值，在對(duì)應(yīng)的時(shí)點(diǎn)上加權(quán)平均，研究表明預(yù)測(cè)產(chǎn)值與每個(gè)時(shí)點(diǎn)上預(yù)測(cè)精準(zhǔn)度有關(guān)，由此計(jì)算出預(yù)測(cè)產(chǎn)值將更加符合實(shí)際產(chǎn)值。因此，本次研究采用組合預(yù)測(cè)（IOWA算子）模型對(duì)浙江省林業(yè)總產(chǎn)值進(jìn)行預(yù)測(cè)。

（四）評(píng)價(jià)體系

組合預(yù)測(cè)（IOWA算子）模型，其評(píng)價(jià)體系是對(duì)每個(gè)單一模型預(yù)測(cè)方法和組合預(yù)測(cè)（IOWA算子）方法進(jìn)行比較，計(jì)算其在預(yù)測(cè)效果上的差異，其多采用的指標(biāo)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(jì)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(jìn)行計(jì)算，對(duì)浙江省2018—2020年的林業(yè)總產(chǎn)值進(jìn)行預(yù)測(cè)（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(jì)算差分方程、矩陣轉(zhuǎn)換，建立灰色模型，并對(duì)研究對(duì)象進(jìn)行了長期模糊描述。通過用Matlab軟件對(duì)數(shù)據(jù)灰色模型的處理，得到了灰色預(yù)測(cè)模型擬合方程：

（三）時(shí)間序列ARIMA模型

ARIMA模型是自回歸預(yù)測(cè)模型，利用差分對(duì)數(shù)據(jù)進(jìn)行整合移動(dòng)平均，建立考慮時(shí)間序列的數(shù)學(xué)模型。在ARIMA含有下列因子（p，d，q）中，自回歸因子A是，移動(dòng)平均因子MA，自回歸因子p，移動(dòng)平均因子q，d是差分?jǐn)?shù)，通過計(jì)算可得p=2，d=1，q=1，具體預(yù)測(cè)值（見表2）。

（四）IOWA組合預(yù)測(cè)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(duì)t=2，3…，N可以得出其他時(shí)間點(diǎn)的fL（[a1t，x1t]，[a2t，x2t]），然后用Lingo軟件使用最優(yōu)化計(jì)算，得出各單項(xiàng)預(yù)測(cè)權(quán)重w=（0.8785，0.1215）T。以該權(quán)重建立組合預(yù)測(cè)模型，計(jì)算結(jié)果（如下頁表3所示）。

（五）模型評(píng)價(jià)

按照前文的評(píng)價(jià)指標(biāo)對(duì)每個(gè)模型進(jìn)行分析，采用組合預(yù)測(cè)（IOWA算子）模型的優(yōu)勢(shì)明顯，精度更高。

四、結(jié)語

本文采用GM（1，1）灰色預(yù)測(cè)模型、時(shí)間序列ARIMA（2，1，1）的預(yù)測(cè)模型。對(duì)2006—2017年浙江省林業(yè)總產(chǎn)值進(jìn)行模型預(yù)測(cè)，最后采用組合模型（IOWA算子）的誘導(dǎo)有序加權(quán)平均算法。對(duì)上述GM和ARIMA模型進(jìn)行組合預(yù)測(cè)，通過擬合，組合模型（IOWA算子）預(yù)測(cè)精度明顯高于每個(gè)單項(xiàng)模型，說明本次研究所采用組合預(yù)測(cè)（IOWA算子）模型預(yù)測(cè)對(duì)于浙江林業(yè)總產(chǎn)值是有效的。

從預(yù)測(cè)結(jié)果分析，2020年的林業(yè)總產(chǎn)值預(yù)測(cè)為193.16億元，2021年即可突破200億元。為此，建議進(jìn)一步實(shí)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(jì)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(dòng)林業(yè)相關(guān)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(duì)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(shè)，同時(shí)，進(jìn)一步加大森林休閑旅游養(yǎng)生產(chǎn)業(yè)的發(fā)展，達(dá)到綠色可持續(xù)發(fā)展的高效率產(chǎn)業(yè)目標(biāo)。

參考文獻(xiàn)：

[1]? 孫麗，牟海波.基于IOWA組合模型的高速鐵路客運(yùn)量預(yù)測(cè)研究[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2018，（9）.

[2]? 陳華友.組合預(yù)測(cè)模型與方法研究綜述[J].大學(xué)數(shù)學(xué)，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(yù)測(cè)[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2018，（2）.

[4]? 張建成，智榮.內(nèi)蒙古林業(yè)總產(chǎn)值預(yù)測(cè)——基于馬爾科夫的修正指數(shù)平滑預(yù)測(cè)模型[J].林業(yè)經(jīng)濟(jì)，2018，（3）.

[5]? 沈杰，楊忠月，喬吉良.基于季節(jié)性時(shí)間序列模型的林業(yè)產(chǎn)值預(yù)測(cè)分析[J].南京林業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2018，（5）.