基于分数阶灰色模型的河南省粮食产量预测

doi:10.13733/j.jcam.issn.20955553.2022.06.018

摘要/Abstract

摘要： 针对环境资源、农业科技、社会投入等要素对粮食生产构成的多变量复杂系统预测问题，构建分数阶GM（1,N）预测模型。选取2010—2019年河南省粮食产量及相关因素数据，采用灰色关联分析方法筛选出对河南省粮食产量影响较大的三个因素建立FGM（1,4）模型，对河南省的粮食产量数据进行模拟、预测。建立FGM（1,1）模型、传统GM（1,4）模型与FGM（1,4）模型作对比，建模结果表明FGM（1,4）模型模拟误差为1.23%，模拟精度高，预测性能稳定。最后利用FGM（1,4）模型预测河南省2020—2025年的粮食产量，期望能为未来粮食产量预测和农业发展规划提供依据。

关键词: 粮食安全, 灰色关联分析, 分数阶GM（1,N）模型, 粮食产量预测

Abstract: A multivariable fractionalorder GM（1,N） model was established to predict grain yield in order to solve the problem of multivariable complex system prediction of grain production caused by environmental resources, agricultural science and technology, and social input. Based on the data of grain yield and related factors in Henan Province from 2010 to 2019, three factors that have a great impact on Grain Yield in Henan Province are selected by grey correlation analysis method, and an FGM（1,4） model is established to simulate and predict the grain yield data in Henan Province. The FGM（1,4） model and traditional GM（1,4） model are established to compare the validity of the model, the modeling results show that the FGM（1,4） model has a high degree of curve fitting and good prediction performance,whose simulation error is 1.23%.Finally, the FGM（1,4） model is used to predict the grain output of Henan Province from 2020 to 2025. It is expected to provide a basis for the forecast of grain yield and agricultural development planning in the future.

Key words: grain security, grey correlation analysis, fractionalorder GM（1,N） model, grain yield forecast

中图分类号:

F323.7

陈振坤, 贾积身. 基于分数阶灰色模型的河南省粮食产量预测[J]. 中国农机化学报, 2022, 43(6): 135-141.

Chen Zhenkun, Jia Jishen.. Prediction of grain yield in Henan Province based on fractional grey model[J]. Journal of Chinese Agricultural Mechanization, 2022, 43(6): 135-141.

参考文献

［1］辛翔飞, 王秀东, 王济民. 新时代下的中国粮食安全:意义、挑战和对策［J］. 中国农业资源与区划, 2021, 42（3）: 76-84.
Xin Xiangfei, Wang Xiudong, Wang Jimin. Chinas grain security in the new era: Significance, challenges and countermeasures ［J］. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42（3）: 76-84.
［2］李炳军. 粮食安全与粮食生产：基于灰色模型技术的分析［M］. 北京：科学出版社, 2015.
［3］和文超, 师学义, 邓青云, 等. 土地利用规划修编中粮食产量预测方法比较［J］. 农业工程学报, 2011, 27（12）: 348-352.
He Wenchao, Shi Xueyi, Deng Qingyun, et al.Comparison of grain yield prediction methods in land use planning ［J］. Transactions of the CSAE, 2011, 27（12）: 348-352.
［4］李蓬勃, 闫晓冉, 徐东瑞. BP神经网络和多元线性回归在粮食产量空间分布预测中的比较［J］. 干旱区资源与环境, 2014, 28（9）: 74-79.
Li Pengbo, Yan Xiaoran, Xu Dongrui. Comparison of grain yield spatial distribution forecast between the models of BP neural network and multiple linear regression ［J］. Journal of Arid Land Resources and Environment, 2014, 28（9）: 74-79.
［5］胡程磊, 刘永华, 高菊玲. 基于IPSO-BP模型的粮食产量预测方法研究［J］. 中国农机化学报, 2021, 42（3）: 136-141.
Hu Chenglei, Liu Yonghua, Gao Juling. Research onpredictionmethod of grain yield based on IPSO-BP model ［J］. Journal of Chinese Agricultural Mechanization, 2021, 42（3）: 136-141.
［6］杨凡雨, 刘黎明, 袁承程. 湖南省粮食产量波动的影响因素分析及预测［J］.中国农学通报, 2020, 36（29）: 153-160.
Yang Fanyu, Liu Liming, Yuan Chengcheng. Influencing factors of grain production fluctuation in Hunan province: Analysis and prediction ［J］. Chinese Agricultural Science Bulletin, 2020, 36（29）: 153-160.
［7］毛树华, 高明运, 肖新平. 分数阶累加时滞GM（1,N,τ）模型及其应用［J］. 系统工程理论与实践, 2015, 35（2）: 430-436.
Mao Shuhua, Gao Mingyun, Xiao Xinping. Fractional order accumulation timelag GM （1,N,τ） Model and its application ［J］. Systems EngineeringTheory & Practice, 2015, 35（2）: 430-436.
［8］丁松, 党耀国, 徐宁, 等. 基于驱动因素控制的DFCGM（1,N）及其拓展模型构建与应用［J］. 控制与决策, 2018, 33（4）: 712-718.
Ding Song, Dang Yaoguo, Xu Ning, et al. Modeling and applications of DFCGM（1, N） and its extended model based on driving factors control ［J］. Control and Decision, 2018, 33（4）: 712-718.
［9］罗党, 安艺萌, 王小雷. 时滞累积TDAGM（1,N,t）模型及其在粮食生产中的应用［J］. 控制与决策, 2021, 36（8）: 2002-2012.
Luo Dang, An Yimeng, Wang Xiaolei. Timedelayed accumulative TDAGM （1, N, t） model and its application ingrain production ［J］. Control and Decision, 2021, 36（8）: 2002-2012.
［10］孟伟. 基于分数阶拓展算子的灰色预测模型［D］. 南京：南京航空航天大学, 2015.
Meng Wei. Grey prediction model based on fractional expansion operator ［D］. Nanjing： Nanjing University of Aeronautics and Astronautics, 2015.
［11］罗佑新. 分数阶累加多变量灰色模型FMGM（1,n）及应用［J］. 中南大学学报（自然科学版）, 2017, 48（10）: 2686-2690.
Luo Youxing. Multivariable grey model FMGM（1,n） with fractional order accumulation and its application ［J］. Journal of Central South University（Science and Technology）, 2017, 48（10）: 2686-2690.
［12］陈永福, 吴蓓蓓, 王晶晶. 基于多变量经验概率模型的中国粮食产量模拟预测分析［J］. 系统工程理论与实践, 2012, 32（11）: 2363-2371.
Chen Yongfu, Wu Beibei, Wang Jingjing. Short run forecasting on Chinas cereals production: A simulation by multivariate empirical probability distributions model ［J］. Systems EngineeringTheory & Practice, 2012, 32（11）: 2363-2371.
［13］王亚迪, 左其亭, 刘欢, 等. 河南省水土资源匹配特征及均衡性分析［J］. 人民黄河, 2018, 40（4）: 55-59， 64.
Wang Yadi, Zuo Qiting, Liu Huan, et al. Equilibrium analysis of the matching characteristics of water and soil resources in Henan Province ［J］. Yellow River, 2018, 40（4）: 55-59， 64.
［14］ Wu Lifeng, Gao Xiaohui, Xiao Yanli, et al. Using a novel multivariable grey model to forecast the electricity consumption of Shandong Province in China ［J］. Energy, 2018, 157: 327-335.
［15］ Qinqin Shen, Quan Shi, Tianpei Tang, et al. A novel weighted fractional GM（1,1） model and its applications ［J］. Complexity,2020.
［16］詹棠森, 汪子婷, 汤可宗, 等. 改进GM（1,N）模型全局优化算法及应用［J］. 数理统计与管理, 2021, 40（5）: 851-858.
Zhan Tangsen, Wang Ziting, Tang Kezong, et al. Improved the global optimization algorithm of GM（1, N） model and its application ［J］. Journal of Applied Statistics and Management， 2021, 40（5）: 851-858.

[1]	颜华, 吕小伟, 张梅. 农机社会化服务对农民种粮积极性的影响研究[J]. 中国农机化学报, 2022, 43(8): 199-207.
[2]	鲁浩男, 赵永满, 闵玉, 吴智胜, 周雪, 魏子凯. 混合指标条件下基于熵权GRA-TOPSIS的采棉机选型研究[J]. 中国农机化学报, 2022, 43(7): 222-229.
[3]	孙博瑞, , 孙三民, , 蒋敏, , 薛山. 基于LSTM神经网络的智能灌溉系统设计与试验#br# #br# [J]. 中国农机化学报, 2022, 43(4): 116-123.
[4]	韩珂, 郭峰町. 基于灰色关联分析的我国农业保险研究[J]. 中国农机化学报, 2022, 43(2): 196-204.
[5]	胡雪冰;陈文宽;. 基于GM模型的四川粮食产量影响因素及“十四五”供需预测分析[J]. 中国农机化学报, 2021, 42(6): 130-136.
[6]	胡程磊;刘永华;高菊玲;. 基于IPSO-BP模型的粮食产量预测方法研究[J]. 中国农机化学报, 2021, 42(3): 136-141.
[7]	姚春生;侯方安;陈海燕;. 粮食安全与农业机械化的逻辑关系及其政策启示——基于三种主要粮食种植成本收益的中美比较[J]. 中国农机化学报, 2021, 42(1): 1-8.
[8]	李玉波;杨淑杰;邬伟三;许清涛;. 农业机械化与农民增收关系的交互动态响应分析——基于吉林省统计核算数据[J]. 中国农机化学报, 2021, 42(1): 151-158.
[9]	卢万合;蔡文香;那伟;刘家福;张萌;. 吉林省产粮大县乡村产业振兴的困境与对策分析[J]. 中国农机化学报, 2020, 41(4): 200-206.
[10]	张开智;姜红花;柳平增;张艳;. 基于GM(1,N)模型的生姜种植面积预测[J]. 中国农机化学报, 2020, 41(10): 139-143.
[11]	杨淑杰;李玉波;许请涛;. 吉林省农业经济发展与供给侧结构性改革研究——基于灰色关联分析[J]. 中国农机化学报, 2019, 40(8): 208-213.
[12]	朱强;郭敏;宋亮;. 生物能源政策的实施效果及其社会福利分析[J]. 中国农机化学报, 2019, 40(5): 217-221.
[13]	赵桂芝;赵华洋;李理;刘光宇;. 基于混沌-SVM-PSO的粮食产量预测方法研究[J]. 中国农机化学报, 2019, 40(1): 179-183.