本文關鍵詞：基于組合模型的我國畜產(chǎn)品消費量預測

  更多相關文章： 畜產(chǎn)品 消費 組合預測

【摘要】：畜產(chǎn)品是我國居民獲取蛋白質(zhì)的重要來源,畜產(chǎn)品行業(yè)關乎國計民生。然而,近年來畜產(chǎn)品價格頻繁波動的現(xiàn)象愈演愈烈。以豬肉為例,2003年至今我國共經(jīng)歷三個豬周期,平均每個持續(xù)時間約為四年,價格上漲幅度最高時達到50%。盡管豬周期屬于“正�！钡慕�(jīng)濟周期,是供給對需求的滯后性調(diào)整,但是它造成了生產(chǎn)資源的低效配置,也制約了行業(yè)的健康發(fā)展。根據(jù)微觀經(jīng)濟學理論,畜產(chǎn)品市場的波動源于供給與需求的缺口。考慮到供給量方面的數(shù)據(jù)較容易獲得,關于畜產(chǎn)品消費量的研究逐漸成為相關領域的熱點。本文回顧了近年來畜產(chǎn)品消費領域的研究概況,探討了畜產(chǎn)品消費的特征和畜產(chǎn)品消費的影響因素,介紹了組合預測中采用模型的基本原理;利用國際糧農(nóng)組織數(shù)據(jù)庫提供的資料測算了我國對畜產(chǎn)品的消費需求,由此獲得了預測所需的數(shù)據(jù)。在此基礎上,本文以豬肉為例,根據(jù)既定的研究思路,對我國豬肉的消費需求進行了詳盡的實證分析,探討了實證過程中各模型的優(yōu)缺點和預測的精確性,預測了我國豬肉需求的短期走勢。此外,本文也根據(jù)該思路研究了其他畜產(chǎn)品的消費需求(包括牛肉、羊肉、禽肉、蛋類、奶類),驗證了組合預測模型的有效性。就目前來看,研究國內(nèi)畜產(chǎn)品需求的意義主要體現(xiàn)在以下幾個方面:一是引導行業(yè)形成合理的生產(chǎn)預期,避免短期的價格變動促使行業(yè)盲目增產(chǎn)或減產(chǎn);二是跟蹤市場需求的變動,研究畜產(chǎn)品價格變動的原因,為相關政策的制定提供依據(jù)。經(jīng)實證研究,本文的結論如下:第一,影響畜產(chǎn)品消費需求的因素主要有收入、價格、城鎮(zhèn)化率、節(jié)假日等;第二,遺傳算法可用于為支持向量機求解最優(yōu)參數(shù),從而改善預測效果;第三,組合預測能夠降低單個模型的預測風險,提高預測的精度,因此有必要運用組合模型來解決預測領域的問題;第四,人工神經(jīng)網(wǎng)絡和支持向量機預測的精確度要高于ARMA模型;第五,2014~2016年我國豬肉消費需求年均增長率約為2.33%。本文參照前人的經(jīng)驗,提出了原創(chuàng)的研究思路,取得了一定的研究成果。本文認為,應當從以下幾個方面作出努力:一是加強農(nóng)業(yè)數(shù)據(jù)統(tǒng)計工作,構建官方農(nóng)業(yè)數(shù)據(jù)庫;二是編制農(nóng)業(yè)監(jiān)測預警指標,完善信息發(fā)布機制;三是轉(zhuǎn)變農(nóng)業(yè)調(diào)控手段,豐富農(nóng)業(yè)風險管理渠道。
【關鍵詞】：畜產(chǎn)品 消費 組合預測
【學位授予單位】：中國農(nóng)業(yè)科學院
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F323.7
【目錄】：

• 摘要6-7
• Abstract7-13
• 第一章 引言13-22
• 1.1 研究背景與意義13-14
• 1.1.1 研究背景13-14
• 1.1.2 研究意義14
• 1.2 國內(nèi)外研究概況14-19
• 1.2.1 畜產(chǎn)品消費影響因素的研究概況15
• 1.2.2 畜產(chǎn)品戶外消費的研究概況15-16
• 1.2.3 畜產(chǎn)品消費展望的研究概況16
• 1.2.4 預測方法研究概況16-19
• 1.3 論文的研究思路與技術路線圖19-20
• 1.3.1 論文研究思路19
• 1.3.2 技術路線圖19-20
• 1.4 論文的主要結論和創(chuàng)新點20-22
• 1.4.1 主要結論20
• 1.4.2 創(chuàng)新點20-22
• 第二章 我國畜產(chǎn)品消費概況22-29
• 2.1 我國畜產(chǎn)品消費特征22-27
• 2.2 我國畜產(chǎn)品消費影響因素分析27-29
• 第三章 我國畜產(chǎn)品消費量預測的理論基礎29-42
• 3.1 組合預測理論29-31
• 3.1.1 組合預測簡介29-31
• 3.1.1.1 非最優(yōu)組合預測方法29-30
• 3.1.1.2 最優(yōu)組合預測方法30-31
• 3.2 ARMA模型31-32
• 3.2.1 ARMA模型簡介31
• 3.2.2 ARMA模型定階依據(jù)31-32
• 3.2.3 ARMA模型建模過程32
• 3.3 神經(jīng)網(wǎng)絡模型32-35
• 3.3.1 神經(jīng)網(wǎng)絡模型簡介32-34
• 3.3.2 神經(jīng)網(wǎng)絡過擬合與欠擬合34-35
• 3.3.3 BP神經(jīng)網(wǎng)絡設計35
• 3.4 支持向量機35-38
• 3.4.1 支持向量機簡介35-37
• 3.4.2 影響支持向量機性能的因素37-38
• 3.5 遺傳算法38-40
• 3.5.1 遺傳算法概述38-39
• 3.5.2 遺傳算法早熟問題及解決方案39-40
• 3.6 小結40-42
• 第四章 我國畜產(chǎn)品消費需求預測實證分析42-54
• 4.1 實證分析說明42-44
• 4.1.1 數(shù)據(jù)來源42
• 4.1.2 研究思路概述42-43
• 4.1.3 模型評價指標43
• 4.1.4 模型解釋變量選取說明43-44
• 4.2 畜產(chǎn)品消費量組合預測——以豬肉為例44-52
• 4.2.1 ARMA模型建模分析預測44-47
• 4.2.2 遺傳神經(jīng)網(wǎng)絡建模分析預測47-49
• 4.2.3 支持向量機建模分析預測49-51
• 4.2.4 組合預測與結果分析51-52
• 4.3 其他畜產(chǎn)品預測結果分析52-54
• 第五章 總結54-57
• 5.1 結論54-55
• 5.1.1 各模型研究總結54
• 5.1.2 基于組合預測的模型庫在農(nóng)業(yè)監(jiān)測預警領域有著良好的前景54-55
• 5.2 政策建議55-56
• 5.2.1 加強農(nóng)業(yè)數(shù)據(jù)統(tǒng)計工作，，構建官方農(nóng)業(yè)數(shù)據(jù)庫55
• 5.2.2 編制農(nóng)業(yè)預警指標，完善信息發(fā)布機制55
• 5.2.3 轉(zhuǎn)變農(nóng)業(yè)調(diào)控手段，豐富農(nóng)業(yè)風險管理渠道55-56
• 5.3 研究展望56-57
• 參考文獻57-63
• 致謝63-64
• 作者簡歷64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 董曉霞;李干瓊;劉自杰;;農(nóng)產(chǎn)品市場價格短期預測方法的選擇及應用——以鮮奶零售價格為例[J];山東農(nóng)業(yè)科學;2010年01期

2 郭強;羅長壽;魏清鳳;;基于遺傳算法神經(jīng)網(wǎng)絡模型的蔬菜價格預報[J];安徽農(nóng)業(yè)科學;2011年26期

3 錢鋒;王可人;焦傳海;;一種基于衰減系數(shù)的混沌時間序列預測法[J];重慶郵電大學學報(自然科學版);2011年05期

4 沈巍;;股票價格預測模型研究[J];財經(jīng)問題研究;2009年07期

5 安靜;曾成順;;BP算法改進及其在股票價格預測中的應用[J];電氣傳動自動化;2009年06期

6 王安樂;鄧穩(wěn)橋;;科技助推現(xiàn)代蔬菜產(chǎn)業(yè)戰(zhàn)略發(fā)展[J];長江蔬菜;2012年22期

7 林在進;;價格劇烈波動背景下的鋼鐵價格預測方法研究——基于ARMA模型和BP神經(jīng)網(wǎng)絡模型的分析[J];價格理論與實踐;2009年07期

8 岳宏;霍靈光;張越杰;;中國城鄉(xiāng)居民牛肉需求量預測分析[J];吉林農(nóng)業(yè)大學學報;2012年01期

9 張雯麗;李秉龍;;我國棉花短期價格波動研究——基于時間序列[J];技術經(jīng)濟;2009年04期

10 譚宗琨;BP人工神經(jīng)網(wǎng)絡在玉米智能農(nóng)業(yè)專家系統(tǒng)中的應用[J];農(nóng)業(yè)網(wǎng)絡信息;2004年10期

本文編號：965619