基于BP滤波的Fourier模型在粮食产量预测中的应用

本文尝试将经济学中的功率谱分析(BP滤波)与统计学中的Fourier模型相结合,先利用BP滤波选出对气候产量波动影响较大的周期,再对这些周期建立Fourier模型来拟合气候产量;同时运用多项式模型拟合趋势产量,并用滞后模型对残差进行修正,以提高粮食单产预测的精确度。利用1961-2000年粮食单产序列数据,分别采用Fourier方法和多项式滞后方法、BPNN法和灰色模型法建立模型,以2001-2012年粮食单产数据进行拟合检验。将这3种方法拟合结果进行比较。结果表明,本文引入的模型通过0.01水平的显著性检验且相对误差均在5%以下,利用模型对粮食单产进行中长期预测的结果表明,2013-2017年中国粮食单产将稳定在6018.6～6466.7kg·hm-2。BP神经网络法模拟的粮食单产虽然拟合相对误差较小,但模型不能得到直观解释,在预测时存在一定的随机性;灰色模型模拟的粮食单产相对误差高达35%,与实际产量存在较大差异。研究结果反映出Fourier模型和多项式滞后模型在粮食产量预测中,其精确度更高且更直观,能够用以预测未来粮食单产以及未来气候变化对粮食单产的影响。