【摘要】：本研究通過對生產性能測定(DHI)數(shù)據(jù)的挖掘與分析建立預測寧夏地區(qū)奶牛體細胞數(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、及時地指導奶業(yè)的發(fā)展。對2011年9月~2016年2月寧夏地區(qū)奶牛平均SCC數(shù)據(jù)進行差分使其達到平穩(wěn)化,采用季節(jié)ARIMA模型對數(shù)據(jù)進行分析、擬合和預測。利用R軟件的auto.arima函數(shù)計算出合適的時間序列模型ARIMA(1,1,0)(1,1,0)[12],其AIC為-3.67。Acf檢驗說明殘差沒有明顯的自相關性;Ljung-Box測試顯示所有的P值0.5,表明殘差為白噪聲,說明此模型可用來對未來的24個月進行預測。再利用R軟件的forecast函數(shù)對2016年3月~2017年2月的數(shù)據(jù)進行預測,作出預測圖。從預測的結果可以看出,寧夏地區(qū)奶牛SCC整體呈現(xiàn)下降趨勢。2017年1月SCC最少,預測值約為25.31萬個/mL;2016年3月SCC最大,預測值約為43.96萬個/mL。從結果也可看出,寧夏地區(qū)奶牛SCC均大于隱性乳房炎的臨界值(20萬個/mL),說明寧夏地區(qū)還應該加大對奶牛乳房炎的防制。同時,若能及時添加新的SCC數(shù)據(jù),就能對該數(shù)據(jù)模型進行更新,使其預測值更接近真實值,對實際生產的指導意義更大。
【圖文】：

１期李欣等：基于ＡＲＩＭＡ模型對寧夏地區(qū)奶牛體細胞數(shù)的趨勢預測圖１季節(jié)ＡＲＩＭＡ模型流程圖Ｆｉｇ．１ＴｈｅｆｌｏｗｃｈａｒｔｏｆｓｅａｓｏｎａｌＡＲＩＭＡｍｏｄｅｌ１．２．２序列平穩(wěn)性檢驗若一個隨機過程的統(tǒng)計特性不隨時間的推移而變化，則稱它為平穩(wěn)隨機過程；當時間參數(shù)離散時，為平穩(wěn)時間序列。平穩(wěn)性統(tǒng)計檢驗通常有３種方法：ＰＰ檢驗、ＤＦ檢驗和ＡＤＦ檢驗［１９－２０］。在統(tǒng)計檢驗中，若ＰＰ、ＤＦ和ＡＤＦ統(tǒng)計量存在非顯著性，則認為序列為非平穩(wěn)序列，需對序列進行對數(shù)轉換以及差分等；若統(tǒng)計量存在顯著性，則認為序列為平穩(wěn)序列，可直接進行ＡＲＩＭＡ模型分析。應用時間序列圖、自相關系數(shù)函數(shù)圖（ＡＣＦ圖）、偏自相關系數(shù)函數(shù)圖（ＰＡＣＦ圖）分析序列特征（趨勢性、季節(jié)性以及平穩(wěn)性）。１．２．３序列的差分運算在對序列進行運算前，若變異幅度過大，則對序列進行對數(shù)轉換后再做差分運算；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，則通過季節(jié)差分消除序列的季節(jié)趨勢，差分后的序列需再次進行平穩(wěn)性檢驗；若序列達到平穩(wěn)，則滿足時間序列分析的要求。１．２．４白噪聲檢驗白噪聲檢驗為純隨機檢驗。對序列進行白噪聲檢驗，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，剩下的均為無法預測和使用的信息。殘差如通過了白噪聲檢驗，，則建模終止；如殘差為非白噪聲序列，說明序列中有用的信息未提取完畢，應對模型進行重新擬合。序列的白噪聲檢驗是通過Ｒ軟件的ｔｉｄｉａｇ

中國畜牧獸醫(yī)４４卷２結果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數(shù)據(jù)的基本要求而實施的一種數(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，且每年的數(shù)量呈現(xiàn)周期性上升或下降的趨勢，具有以季節(jié)周期的整數(shù)倍為長度的相關性，需要經(jīng)過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（時間）的增大，Ｘｔ（奶牛ＳＣＣ）的波動越來越小，即呈現(xiàn)遞減型的異方差。對于這種準平穩(wěn)序列的分析采用ＡＲＩＭＡ（ｐ，ｄ，ｑ）（Ｐ，Ｄ，Ｑ）［ｓ］模型，ｓ取１２。圖２奶牛ＳＣＣ變化趨勢圖Ｆｉｇ．２ＴｈｅｖａｒｉａｔｉｏｎｔｒｅｎｄｏｆＳＣＣｉｎｄａｉｒｙｃｏｗ為了使ＳＣＣ的數(shù)據(jù)平穩(wěn)化與等方差化，消除序列中的強趨勢性，使其他相關因素更鮮明地體現(xiàn)出來，就需要給ＳＣＣ值取對數(shù)并進行適當?shù)牟罘�。對Ｘｔ作對�?shù)變換：Ｙｔ＝ｌｎＸｔ式中：Ｘｔ，奶牛ＳＣＣ；Ｙｔ，ＳＣＣ取對數(shù)后的值。并作出Ｙｔ的趨勢圖（圖３）。設Ｙｔ為一個乘積型季節(jié)性序列，對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，一次差分后的時間序列ＳＣＣ值在均值和方差上看起來是平穩(wěn)的，與二次差分的圖形相差不大，隨時間序列大致保持不變，因此設置差分項ｄ＝１。圖３Ｙｔ變化趨勢圖Ｆｉｇ．３ＴｈｅｖａｒｉａｔｉｏｎｔｒｅｎｄｏｆＹｔ１３４

【相似文獻】

相關期刊論文 前10條

1 李志強;白文斌;張亞麗;張晉;;基于ARIMA模型的內蒙古羊產業(yè)分析與預測[J];山西農業(yè)科學;2011年07期

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

3 孫愛存;;ARIMA模型在我國農民增收預測中的應用[J];中國鄉(xiāng)鎮(zhèn)企業(yè)會計;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)足跡動態(tài)模擬與預測[J];生態(tài)環(huán)境學報;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用[J];內蒙古農業(yè)大學學報(自然科學版);2014年01期

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

7 曹飛;;ARIMA模型在云南省農村居民人均消費預測中的應用[J];安徽農業(yè)科學;2009年30期

8 解云;蘇金梅;孫鵬哲;;ARIMA模型在上證綜合指數(shù)中的應用[J];內蒙古農業(yè)大學學報(自然科學版);2011年01期

9 沈艷;張慶國;葉靜蕓;;基于季節(jié)ARIMA模型的銅陵市氣溫序列的預報[J];安徽農業(yè)大學學報;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

相關會議論文 前10條

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三屆中國控制會議論文集（下冊）[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)預測中的應用[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 李君華;王志堅;張立杰;陳雪;;基于小波理論及ARIMA模型的短期棉花價格預測[A];中國棉花學會2012年年會暨第八次代表大會論文匯編[C];2012年

4 陳興榮;;ARIMA模型和GM(1,1)在我國白銀消費需求預測應用中的比較研究[A];第25屆全國灰色系統(tǒng)會議論文集[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模型預報電離層VTEC研究[A];第一屆中國衛(wèi)星導航學術年會論文集（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)絡的組合預測模型及應用研究[A];第三屆（2008）中國管理學年會——技術與創(chuàng)新管理分會場論文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全國時間生物醫(yī)學學術會議論文集[C];2004年

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

相關重要報紙文章 前1條

1 ;基于數(shù)量化方法對未來經(jīng)濟增長趨勢的預測[N];第一財經(jīng)日報;2009年

相關碩士學位論文 前10條

1 梁佳琦;ARIMA模型同MAXENT模型在自然保護區(qū)內口蹄疫疫情風險預警中的應用研究[D];東北林業(yè)大學;2015年

2 張海東;基于論壇的熱點話題識別與趨勢預測研究[D];上海師范大學;2015年

3 雍永強;基于ARIMA和BPNN的組合預測模型在血糖預測中的應用[D];鄭州大學;2015年

4 張敏;基于ARIMA的組合模型問題研究[D];大連海事大學;2015年

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

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

7 于婷;基于ARIMA模型的股價的研究[D];大連海事大學;2015年

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

9 陳天舒;基于ARIMA與GPR組合模型的人民幣匯率預測[D];山東大學;2015年

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

本文編號：2587434