山东省粮食产量的影响因素及预测

分析粮食产量的影响因素,并科学地预测粮食产量,对于提高未来粮食产量、保障粮食安全具有重要意义。本文选取1994—2018年粮食产量等数据,对影响粮食产量的因素进行灰色关联度分析,并用ARIMA模型预测粮食产量及影响因素,最后将预测的数据进行灰色关联度分析,并将前后两次灰色关联度分析结果进行比较。结果显示:1994—2018年显著影响粮食产量的因素为粮食播种面积、灌溉面积比重、老年抚养比和化肥投入水平;2019—2023年粮食产量的影响因素为灌溉面积比重、农业生产资料价格总指数、机械化水平;未来5年山东省粮食产量将缓步提升。     

基于ARIMA模型对南康家具产业劳动力就业趋势预测

对江西省赣州市南康家具产业在1993~2014年间的从业人数、就业弹性系数、结构偏离度等指标,采用ARIMA模型预测分析该产业劳动力就业的发展趋势。结果显示,它们分别为ARIMA(1,0,4)、ARIMA(3,0,5)、ARIMA(1,0,2)较理想的预测模型,这些模型提供了较准确的未来预测结果,为南康家具产业升级结构调整及其社会劳动保障部门提供一些参考依据。     

农村三产融合背景下基于ARIMA模型对陕西省农村就业人数的分析与预测

运用时间序列预测方法,对1998—2017年陕西省乡村就业人数序列进行分析,建立了1998—2017年陕西省农村就业人数的求和自回归移动平均模型（ARIMA）。结果显示,ARIMA(1,1,0)模型能够提供较为准确的预测结果,可为陕西省农村就业状况提供参考数据,并据此提出政策建议。     

湖南省财政支出与收入关联性及预测分析

本文采用线性回归分析方法,对湖南省财政收入和财政支出之间的长期关系进行分析研究,并运用SPSS时间序列中的ARIMA模型对湖南省2015~2020年的财政收支进行预测。结果显示:湖南省地方财政收支之间存在着显著的线性关系,而ARIMA(1,1,3)模型预测的有关结果可供相关机构研究参考。     

预测经济和金融时间序列:ARIMA与LSTM模型的比较

预测时间序列数据是经济学、商业和金融学中的一个重要主题。ARIMA模型在预测下一个时间序列滞后的精度和准确性方面表现出色。随着计算机计算能力的发展,产生了基于深度学习的新算法来预测时间序列数据,如长短期记忆(LSTM)。通过实证研究,基于深度学习的算法(如LSTM)优于传统算法,与ARIMA相比,LSTM获得的错误率平均降低在84%~87%之间,表明了LSTM对ARIMA的优越性。     

基于灰色GM(1,1)的四川粮食产量预测研究

粮食安全问题关系国计民生.粮食产量的合理预测,可以为农业生产提供科学指导,保障粮食安全.因此,粮食产量预测研究具有一定理论和现实意义.本文选取四川省2010-2020年粮食产量统计数据,利用GM(1,1)模型对四川2021-2025年粮食产量进行预测.预测结果表明:四川粮食产量整体呈上升趋势,发展形势和机遇好,应抓住保...     

供给侧改革下 我国粮食贸易调控机制研究

2004年-2015年我国粮食产量实现"十二连增",在粮食产量年年丰收、粮食进口量逐年增加的同时,我国粮食供需仍存在不平衡的状况。粮食产业供给侧改革面临粮食总量紧平衡下的"去库存""调结构""降成本"等问题。本文运用ARIMA模型,分别建立粮食需求和供给模型,并预测未来粮食的供求量,结果表明我国粮食供给量在未来几年将持续增长,粮食需求量大于供给量,粮食供需缺口现象显著。因此,为保障粮食安全,实现粮食供需平衡,应推动我国粮食产业供给侧结构性改革,在供给侧改革下完善粮食贸易调控机制,促进粮食产业供给侧和需求侧的协调发展。     

中国粮食安全问题研究

本文分析我国近年来粮食生产和进出口现状,发现虽然我国粮食近年来产量连续上升,但是进口量不断上涨,且上升速度较快。利用ARIMA模型,预测中国未来几年的粮食产量,发现我国未来几年粮食人均产量将接近400kg,即不会出现严重的粮食安全问题。虽然如此,粮食问题安全问题仍不能忽视。     

威海地区年降水量的时间序列分析

通过应用时间序列分析技术,对威海地区1959-2002年降水量序列进行分析,证实年平均降水量序列满足ARIMA(1,1,(1,11))模型,并通过该模型对威海地区的2003-2007年降水量进行了预测分析。     

基于IOWGA算子的山东省第三产业增加值组合预测

分别使用双指数平滑模型、ARIMA(1,1,0)、GM(1,1)与NAR神经网络4种单项预测模型,对山东省1990-2018年第三产业增加值数据进行预测。利用灰色关联度指标和有效度指标对单一预测方法进行筛选,将筛选后的单项预测模型用于构建结合决策理论中的IOWGA算子的组合预测模型。分析各项预测结果可以看出,新构建的组合预测模型具有较高的预测精度,其预测效果优于单项预测模型。     

我国粮食产量预测的时间序列模型与应用研究

新中国成立以来,尤其是改革开放的三十年来,我国粮食产量得到大幅度提高,同时粮食生产也呈现出周期性震荡上升态势。本文运用HP滤波分析方法将我国1949—2008年的粮食产量分离为时间趋势序列和波动序列,对趋势序列建立了关于时间t的趋势模型,并拟合估计了我国60年的粮食产量趋势;利用频谱滤波(BP滤波)法估计并拟合了粮食产量的波动周期。利用上述两个模型进行叠加,预测了未来10年我国的粮食产量。     

2008—2020年我国粮食产量的预测分析

改革开放30年来,我国粮食产量大幅度提高。但是粮食生产并不是一个稳定变化的过程,而是呈波动增长的态势。本文首先运用HP滤波分析方法将我国1988—2007年的粮食产量分离为波动序列和时间趋势序列,在此基础上对趋势序列建立了三次抛物线模型。分别利用三次抛物线模型、灰色预测模型以及组合预测方法拟合估计了我国前20年的粮食产量,并分析了三者的拟合精度。结果显示,组合预测模型能够提高预测精度。并利用该方法进一步预测了2008—2020年我国的粮食产量。     

基于ARIMA模型的股票市盈率分析及预测

市盈率是股票投资者分析股票价值的重要指标之一。本文针对影响市盈率的众多因素难以度量，从市盈率数据本身出发，引入ARIMA模型，利用Box-Jenkins方法，对股票市盈率进行分析并预测。对交通银行股票市盈率数据进行实证分析，并作短期预测，结果显示模型预测精度较高。     

肉鸡产品价格预测模型分析北大核心CSSCI

本文通过构建计量经济模型,利用1994年6月至2010年9月的肉鸡产品价格及相关数据,对肉鸡产品价格进行了模拟分析和预测评价。研究发现,活鸡、西装鸡、商品代肉雏、玉米和猪肉价格之间存在长期均衡变动关系;对于肉鸡产品价格而言,玉米、猪肉价格具有外生性,其波动对肉鸡产品价格有显著影响;肉鸡产品价格之间互为Granger因果关系,具有内生性;活鸡价格变动有显著的季节性特征;加入WTO后,西装鸡价格和商品代肉雏价格下降明显;ARDL模型预测效果好于ARIMA模型,但ARIMA模型更便于预测。     

基于ARIMA模型的豆粕期货价格预测方法研究及启示

受中美贸易摩擦持续升级和猪肉价格暴涨的影响,豆粕期货价格的波动成为了当前社会各界关注的一个热点问题。本文以2018年1月2日至11月30日期间大连商品交易所豆粕期货价格作为研究对象,分析了ARIMA模型对于豆粕期货价格预测的有效性。实证研究的结果显示该模型在短期内对豆粕价格的预测精确度较高,但是随着时间的推移其误差开始增加。同时,通过ARIMA模型所反映出来的豆粕价格相关性的滞后阶数也可发现目前我国的豆粕期货交易存在投机氛围较浓等问题。基于以上分析,最后分别从投资者角度和期货市场发展层面提出了相应的对策建议。     

基于ARIMA模型的福建碳排放权市场价格分析

使用Eviews10与SPSS26软件,选取福建碳排放权市场的日收盘价作为研究对象,采用ARIMA模型,对福建碳排放权市场价格进行分析。结果表明:ARIMA(2,1,1)的拟合效果较好,并且能够有效刻画福建碳排放权市场价格的变动趋势。     

2050年全球粮食问题展望

<正>根据联合国粮农组织(FAO)预测,2050年,世界人口将达到峰值90亿,在目前基础上粮食消费将新增10亿吨,而目前粮食产量只能满足23亿吨的需求。     

运用灰色系统理论预测麻城市粮食产量的探讨

粮食生产是直接关系到国民经济和人民生活的大问题,搞好粮食产量预测,对制订农业生产计划,保持粮食稳步增长都有重要意义。由于粮食生产受气候、病虫害、土壤等多种因素影响,粮食产量的预测变得更为复杂。灰色系统理论,为粮食产量预测开辟了新途径,但是,对规律性差的粮食总产量预测,其原点误差较大,特别是通过残差修正后,原点误差增大更多,影响近期预测效果。为了缩小原点误差,笔者采用灰色系统理论<GM(1,1)>预测趋势产量的方法预测粮食总产量,即:先把规律性差的各年粮食产量计算出规律性较强的各年趋势产量,再预测年未来的趋势产量和实际产量。由于预测用的数据规律性增强,有效地缩小了原点误差,提高了近期产量预测精度。     

基于ARIMA模型的中国玉米单产潜力分析

在中国玉米单产的AEZ(农业生态区划)模型潜力基础上,运用ARIMA(自回归单整移动平均)模型,基于1949—2018年数据预测2023年前中国玉米单产.结果表明:2019、2020、2021、2022和2023年中国玉米单产分别为6293、6458、6627、6801和6979 kg/hm2,分别是AEZ模型潜力上限...     

粮食生产的产量、成本、收益分析——基于湖南省粮食生产的调查问卷

本文通过对数模型将粮食产量和粮食生产成本之间的影响进行度量分析,用对数关系解释了两者之间的相关性;运用Eviews软件对粮食产量和粮食收益进行回归分析,从弹性系数和净收益的角度解释了两者之间的线性影响度,通过利润最大化原则预测了粮农的最优产量,最后对粮食成本、产量、收益三者进行统一分析计量,为促进粮食生产提供了一些建设性对策。