【摘要】：本研究通過(guò)對(duì)生產(chǎn)性能測(cè)定(DHI)數(shù)據(jù)的挖掘與分析建立預(yù)測(cè)寧夏地區(qū)奶牛體細(xì)胞數(shù)(SCC)的模型,為奶牛乳房炎的防制提供借鑒,使得DHI數(shù)據(jù)更加有效、及時(shí)地指導(dǎo)奶業(yè)的發(fā)展。對(duì)2011年9月~2016年2月寧夏地區(qū)奶牛平均SCC數(shù)據(jù)進(jìn)行差分使其達(dá)到平穩(wěn)化,采用季節(jié)ARIMA模型對(duì)數(shù)據(jù)進(jìn)行分析、擬合和預(yù)測(cè)。利用R軟件的auto.arima函數(shù)計(jì)算出合適的時(shí)間序列模型ARIMA(1,1,0)(1,1,0)[12],其AIC為-3.67。Acf檢驗(yàn)說(shuō)明殘差沒(méi)有明顯的自相關(guān)性;Ljung-Box測(cè)試顯示所有的P值0.5,表明殘差為白噪聲,說(shuō)明此模型可用來(lái)對(duì)未來(lái)的24個(gè)月進(jìn)行預(yù)測(cè)。再利用R軟件的forecast函數(shù)對(duì)2016年3月~2017年2月的數(shù)據(jù)進(jìn)行預(yù)測(cè),作出預(yù)測(cè)圖。從預(yù)測(cè)的結(jié)果可以看出,寧夏地區(qū)奶牛SCC整體呈現(xiàn)下降趨勢(shì)。2017年1月SCC最少,預(yù)測(cè)值約為25.31萬(wàn)個(gè)/mL;2016年3月SCC最大,預(yù)測(cè)值約為43.96萬(wàn)個(gè)/mL。從結(jié)果也可看出,寧夏地區(qū)奶牛SCC均大于隱性乳房炎的臨界值(20萬(wàn)個(gè)/mL),說(shuō)明寧夏地區(qū)還應(yīng)該加大對(duì)奶牛乳房炎的防制。同時(shí),若能及時(shí)添加新的SCC數(shù)據(jù),就能對(duì)該數(shù)據(jù)模型進(jìn)行更新,使其預(yù)測(cè)值更接近真實(shí)值,對(duì)實(shí)際生產(chǎn)的指導(dǎo)意義更大。
【圖文】：

１期李欣等：基于ＡＲＩＭＡ模型對(duì)寧夏地區(qū)奶牛體細(xì)胞數(shù)的趨勢(shì)預(yù)測(cè)圖１季節(jié)ＡＲＩＭＡ模型流程圖Ｆｉｇ．１ＴｈｅｆｌｏｗｃｈａｒｔｏｆｓｅａｓｏｎａｌＡＲＩＭＡｍｏｄｅｌ１．２．２序列平穩(wěn)性檢驗(yàn)若一個(gè)隨機(jī)過(guò)程的統(tǒng)計(jì)特性不隨時(shí)間的推移而變化，則稱它為平穩(wěn)隨機(jī)過(guò)程；當(dāng)時(shí)間參數(shù)離散時(shí)，為平穩(wěn)時(shí)間序列。平穩(wěn)性統(tǒng)計(jì)檢驗(yàn)通常有３種方法：ＰＰ檢驗(yàn)、ＤＦ檢驗(yàn)和ＡＤＦ檢驗(yàn)［１９－２０］。在統(tǒng)計(jì)檢驗(yàn)中，若ＰＰ、ＤＦ和ＡＤＦ統(tǒng)計(jì)量存在非顯著性，則認(rèn)為序列為非平穩(wěn)序列，需對(duì)序列進(jìn)行對(duì)數(shù)轉(zhuǎn)換以及差分等；若統(tǒng)計(jì)量存在顯著性，則認(rèn)為序列為平穩(wěn)序列，可直接進(jìn)行ＡＲＩＭＡ模型分析。應(yīng)用時(shí)間序列圖、自相關(guān)系數(shù)函數(shù)圖（ＡＣＦ圖）、偏自相關(guān)系數(shù)函數(shù)圖（ＰＡＣＦ圖）分析序列特征（趨勢(shì)性、季節(jié)性以及平穩(wěn)性）。１．２．３序列的差分運(yùn)算在對(duì)序列進(jìn)行運(yùn)算前，若變異幅度過(guò)大，則對(duì)序列進(jìn)行對(duì)數(shù)轉(zhuǎn)換后再做差分運(yùn)算；若序列呈明顯線性，且均值不平穩(wěn)，則做１階差分；若序列為曲線，則做２階或以上差分�；静罘趾螅治鲂蛄械募竟�(jié)周期性，確定模型的Ｓ值，如存在季節(jié)周期性，則通過(guò)季節(jié)差分消除序列的季節(jié)趨勢(shì)，差分后的序列需再次進(jìn)行平穩(wěn)性檢驗(yàn)；若序列達(dá)到平穩(wěn)，則滿足時(shí)間序列分析的要求。１．２．４白噪聲檢驗(yàn)白噪聲檢驗(yàn)為純隨機(jī)檢驗(yàn)。對(duì)序列進(jìn)行白噪聲檢驗(yàn)，若序列中的殘差為白噪聲序列，表明序列中的有用信息提取完畢，剩下的均為無(wú)法預(yù)測(cè)和使用的信息。殘差如通過(guò)了白噪聲檢驗(yàn)，，則建模終止；如殘差為非白噪聲序列，說(shuō)明序列中有用的信息未提取完畢，應(yīng)對(duì)模型進(jìn)行重新擬合。序列的白噪聲檢驗(yàn)是通過(guò)Ｒ軟件的ｔｉｄｉａｇ

中國(guó)畜牧獸醫(yī)４４卷２結(jié)果２．１序列的平穩(wěn)化處理序列的平穩(wěn)化處理是為了滿足模型對(duì)數(shù)據(jù)的基本要求而實(shí)施的一種數(shù)據(jù)處理方法。寧夏地區(qū)２０１１年９月～２０１６年２月ＳＣＣ總體呈現(xiàn)下降的趨勢(shì)，且每年的數(shù)量呈現(xiàn)周期性上升或下降的趨勢(shì)，具有以季節(jié)周期的整數(shù)倍為長(zhǎng)度的相關(guān)性，需要經(jīng)過(guò)某些階段的逐期差分和季節(jié)差分才能使序列平穩(wěn)化。由圖２可知，隨著ｔ（時(shí)間）的增大，Ｘｔ（奶牛ＳＣＣ）的波動(dòng)越來(lái)越小，即呈現(xiàn)遞減型的異方差。對(duì)于這種準(zhǔn)平穩(wěn)序列的分析采用ＡＲＩＭＡ（ｐ，ｄ，ｑ）（Ｐ，Ｄ，Ｑ）［ｓ］模型，ｓ�。保病D２奶牛ＳＣＣ變化趨勢(shì)圖Ｆｉｇ．２ＴｈｅｖａｒｉａｔｉｏｎｔｒｅｎｄｏｆＳＣＣｉｎｄａｉｒｙｃｏｗ為了使ＳＣＣ的數(shù)據(jù)平穩(wěn)化與等方差化，消除序列中的強(qiáng)趨勢(shì)性，使其他相關(guān)因素更鮮明地體現(xiàn)出來(lái)，就需要給ＳＣＣ值取對(duì)數(shù)并進(jìn)行適當(dāng)?shù)牟罘�。�?duì)Ｘｔ作對(duì)數(shù)變換：Ｙｔ＝ｌｎＸｔ式中：Ｘｔ，奶牛ＳＣＣ；Ｙｔ，ＳＣＣ取對(duì)數(shù)后的值。并作出Ｙｔ的趨勢(shì)圖（圖３）。設(shè)Ｙｔ為一個(gè)乘積型季節(jié)性序列，對(duì)Ｙｔ再作差分：Ｗｔ＝嗪嗪１２Ｙｔ由Ｙｔ一階差分圖（圖４）和二階差分圖（圖５）可知，一次差分后的時(shí)間序列ＳＣＣ值在均值和方差上看起來(lái)是平穩(wěn)的，與二次差分的圖形相差不大，隨時(shí)間序列大致保持不變，因此設(shè)置差分項(xiàng)ｄ＝１。圖３Ｙｔ變化趨勢(shì)圖Ｆｉｇ．３ＴｈｅｖａｒｉａｔｉｏｎｔｒｅｎｄｏｆＹｔ１３４

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李志強(qiáng);白文斌;張亞麗;張晉;;基于ARIMA模型的內(nèi)蒙古羊產(chǎn)業(yè)分析與預(yù)測(cè)[J];山西農(nóng)業(yè)科學(xué);2011年07期

2 胡永紅;吳志峰;李定強(qiáng);卓慕寧;;基于ARIMA模型的區(qū)域水生態(tài)足跡時(shí)間序列分析[J];生態(tài)環(huán)境;2006年01期

3 孫愛(ài)存;;ARIMA模型在我國(guó)農(nóng)民增收預(yù)測(cè)中的應(yīng)用[J];中國(guó)鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì);2009年07期

4 王耕;王嘉麗;蘇柏靈;;基于ARIMA模型的遼河流域生態(tài)足跡動(dòng)態(tài)模擬與預(yù)測(cè)[J];生態(tài)環(huán)境學(xué)報(bào);2013年04期

5 王振寰;楊堰錕;張峰;陶偉慶;楊婷;;ARIMA模型在城鎮(zhèn)居民家庭人均收入的應(yīng)用[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

6 魏麗華;任志遠(yuǎn);;陜西省人均生態(tài)足跡ARIMA模型測(cè)算[J];干旱地區(qū)農(nóng)業(yè)研究;2009年04期

7 曹飛;;ARIMA模型在云南省農(nóng)村居民人均消費(fèi)預(yù)測(cè)中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年30期

8 解云;蘇金梅;孫鵬哲;;ARIMA模型在上證綜合指數(shù)中的應(yīng)用[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

9 沈艷;張慶國(guó);葉靜蕓;;基于季節(jié)ARIMA模型的銅陵市氣溫序列的預(yù)報(bào)[J];安徽農(nóng)業(yè)大學(xué)學(xué)報(bào);2012年05期

10 王金滿,郭明輝,徐平武;ARIMA MODEL ON WOOD PROPERTIES VARIATION PATTERN OF KOREAN LARCH[J];Journal of Northeast Forestry University;1996年04期

相關(guān)會(huì)議論文 前10條

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

2 王建鋒;高歌;陳立凌;李紅美;張明芝;王艾麗;;ARIMA模型及其在江蘇省衛(wèi)技人員數(shù)預(yù)測(cè)中的應(yīng)用[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 李君華;王志堅(jiān);張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價(jià)格預(yù)測(cè)[A];中國(guó)棉花學(xué)會(huì)2012年年會(huì)暨第八次代表大會(huì)論文匯編[C];2012年

4 陳興榮;;ARIMA模型和GM(1,1)在我國(guó)白銀消費(fèi)需求預(yù)測(cè)應(yīng)用中的比較研究[A];第25屆全國(guó)灰色系統(tǒng)會(huì)議論文集[C];2014年

5 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

6 劉軍;柴洪洲;陳軻;劉先冬;;ARIMA模型預(yù)報(bào)電離層VTEC研究[A];第一屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集（下）[C];2010年

7 ;Economic Design of Integrating SPC and APC with Quality Constraints[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 任家福;張f ;周宗放;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型及應(yīng)用研究[A];第三屆（2008）中國(guó)管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全國(guó)時(shí)間生物醫(yī)學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 ;基于數(shù)量化方法對(duì)未來(lái)經(jīng)濟(jì)增長(zhǎng)趨勢(shì)的預(yù)測(cè)[N];第一財(cái)經(jīng)日?qǐng)?bào);2009年

相關(guān)碩士學(xué)位論文 前10條

1 梁佳琦;ARIMA模型同MAXENT模型在自然保護(hù)區(qū)內(nèi)口蹄疫疫情風(fēng)險(xiǎn)預(yù)警中的應(yīng)用研究[D];東北林業(yè)大學(xué);2015年

2 張海東;基于論壇的熱點(diǎn)話題識(shí)別與趨勢(shì)預(yù)測(cè)研究[D];上海師范大學(xué);2015年

3 雍永強(qiáng);基于ARIMA和BPNN的組合預(yù)測(cè)模型在血糖預(yù)測(cè)中的應(yīng)用[D];鄭州大學(xué);2015年

4 張敏;基于ARIMA的組合模型問(wèn)題研究[D];大連海事大學(xué);2015年

5 桂林;退耕還林與生態(tài)環(huán)境改善的關(guān)系研究與分析[D];西安建筑科技大學(xué);2015年

6 錢麗萍;基于ARIMA模型的兒童醫(yī)院門診量預(yù)測(cè)研究[D];蘇州大學(xué);2015年

7 于婷;基于ARIMA模型的股價(jià)的研究[D];大連海事大學(xué);2015年

8 程浩;武漢第三產(chǎn)業(yè)總量時(shí)間序列研究[D];華中師范大學(xué);2015年

9 陳天舒;基于ARIMA與GPR組合模型的人民幣匯率預(yù)測(cè)[D];山東大學(xué);2015年

10 袁磊;基于ARIMA-LSSVM混合模型的股指預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2015年

本文編號(hào)：2587434