[发明专利]一种基于ARIMA-LSSVM组合模型预测粮食产量的方法

说明书

本发明的涉及粮食产量预测技术领域，具体公开了一种基于ARIMA‑LSSVM组合模型预测粮食产量的方法，利用ARIMA对单位面积粮食产量数据和单位面积施肥量数据作分析，找到数据中潜在的线性关系，通过LSSVM回归模型可找到单位面积粮食产量数据和单位面积施肥量数据中潜在的非线性关系，将粮食产量的时序预测与粮食产量与化肥施用量的回归拟合相结合进行分析，找到粮食产量随着时间变化趋势，反映出土壤质量状态，并且可发现单位面积粮食产量与单位面积化肥施用量之间的规律，有利于更科学的指导农业生产活动，保护生态系统。

技术领域

本发明涉及粮食产量预测技术领域，更具体地，涉及一种基于ARIMA-LSSVM组合模型预测粮食产量的方法

背景技术

粮食产量的准确预测可以为政府决策提供依据，粮食产量数据是典型的小样本数据，易受到不确定性因子的影响，表现为一个复杂的非线性系统。

目前，已有很多文献对化肥施用量与粮食产量的关系进行了研究；2003年徐浪等对化肥施用量对粮食产量的贡献率进行了分析，用最小二乘法构建回归模型，发现化肥施用量对粮食产量的贡献率沿着抛物线轨迹运行，起初贡献率是上升的，后达到最高点后，逐渐向下走。2008年张利庠等人用线性回归的方法对不同阶段化肥施用量对我国粮食产量的影响进行了定量分析；2009年赵明燕等人采用趋势线法分析了新疆奇台县化肥单位面积施用量的时间序列变化，并采用相关分析对化肥施用量与粮食单产的关系进行探讨；2013年王奇等人采用OLS方法进行回归，分析了我国粮食产量与化肥施用量之间的定量关系；2012年赵志坚等人利用计量模型对湖南省的化肥投入与粮食产出之间的关系；2013年陈秧分等人利用了空间面板计量经济模型探讨了中国粮食产量的影响因素；文中揭示了全国及各主导类型粮食产量波动原因及其作用规律，有助于确定各区域粮食增产的主要制约因素与提升途径；同年2013年顾乐民通过最小一乘法对指数型生产函数模型进行拟合，找到符合中国粮食变化的某些规律。2013年赵海英等人运用Eviews6.0软件对中国粮食产量和化肥施用量之间的相关性进行了线性回归分析，建立了一元线性回归模型；2016年郎贵飞等人基于VAR模型对我国粮食产量和化肥施用量进行了实证分析。

上述的粮食预测方法，虽然能在一定程度上实现对粮食产量的预测，但是，其仍然存在的不足：

1.在之前对化肥施用量与粮食产量关系的研究中，所使用的数据不够全面或者是不够新，使得回归模型拟合过程中精确度不够；

2.大部分研究人员利用线性回归模型对化肥施用量与粮食产量的关系进行分析研究；忽略了它的非线性关系，并且没有充分的应用时间序列数据，没有充分挖掘粮食产量随着年份的变化趋势；

3.其次，单纯的对单位面积粮食产量做时间序列预测分析或者是采用线性回归模型对粮食产量与化肥施用量之间的关系进行实证分析，但没有将时序分析与回归模型相结合，应用到粮食产量与化肥施用量关系研究中去。

综上，现有的粮食产量预测方法都存在或大或小的问题，而提供一种预测精度高的粮食产量预测方法，对于粮食预测具有重要的意义。

发明内容

本发明提供一种基于ARIMA-LSSVM组合模型预测粮食产量的方法。

根据本发明的一种基于ARIMA-LSSVM组合模型预测粮食产量的方法，包括以下步骤：

步骤S1.获取平稳的单位面积粮食产量数据{X'_t}和平稳的单位面积施肥量数据{Y'_t}；

步骤S2.对所述平稳的单位面积粮食产量数据{X'_t}和平稳的单位面积施肥量数据{Y'_t}构建ARIMA模型，分别获取所述平稳的单位面积粮食产量数据{X'_t}和所述平稳的单位面积施肥量数据{Y'_t}中的非线性数据和线性数据；