基于MGM(1,N)模型的北京创意农业发展灰色预测.pdf
《基于MGM(1,N)模型的北京创意农业发展灰色预测.pdf》由会员分享,可在线阅读,更多相关《基于MGM(1,N)模型的北京创意农业发展灰色预测.pdf(5页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、中国人口资源与环境 2013年 第23卷 第4期 CHINAPOPULATION,RESOURCESANDENVIRONMENT Vol23 No4 2013基于MGM(1,N)模型的北京创意农业发展灰色预测刘笑冰1 陈建成1 何忠伟2(1北京林业大学经济管理学院,北京100083;2北京农学院经济管理学院,北京102206)z祷要,搿意密壤,作为农挫的藏鼙产韭盈态和都市型农韭转型升级的重要标志,成劝实现了铆意产业与传统农业生产的有机结龠,育+意农壁垒萄平衡发展o、美羹碗凌惫谈翼;创意农业浓盟嫒光篮;民嵇媛辩;设魄农业、零用j囊囊号玛23 文拣标识鹤冷。_i文掌编号,j 1002,2104(2
2、#13)04-oo,2一咕d喊街3鳞j妯10022l伯勰线懈砸2创意农业,作为农业的新型产业业态和都市型农业转型升级的重要标志,成功实现了创意产业与传统农业生产的有机结合,有力促进了首都都市型现代农业的转型升级,且在繁荣农村经济、协调城乡发展方面发挥了巨大作用,各级政府也不断加大创意农业发展投资力度,但北京今后创意农业发展如何,则仍有待深入研究。创意农业在我国起步较晚,关于创意农业的研究仍处于摸索阶段,在我国较早的创意农业是参照创意产业概念,结合农业特点,从创意农副产品角度研究提出的,其中不仅包括了农副产品的科技、文化、服务以及生态创意:,同时也包含产业体系理念的创新。2。1和农业发展模式的创
3、新H。,并以此为基础对其发展模式及其影响因素进行相关研究拉”。以上均是从定性角度对创意农业进行界定或分析,而对其今后发展状态或发展方向也仅是基于其影响因素,从政策扶持角度提出展望,并无相关定量研究。到目前为止,仅有司训练等(2010)运用解释结构模型(ISM)对影响西部创意产业竞争力的因素进行了实证研究一1。一是创意农业概念或表现形式界定的模糊性,二是相关统计数据不完整、信息不完整。与传统的回归预测、神经网络等方法相比较,灰色系统预测方法具有计算量小、在小样本情况下也可达到较高精度的优点、1,北京创意农业统计数据时间序列短、历史数据少、信息不完全,对于此类序列数据,采用灰色系统预测方法比较合适
4、。根据模型变量数量不同,可以分为GM(1,1)预测模型和GM(1,n)预测模型,其中GM(1,1)模型是一种最常用的灰色系统模型,它通过单变量的一阶微分方程模型揭示其内在发展规律,主要应用于单一时间序列的建模与预测,GM(1,N)模型则是针对系统存在多变量情景下的预测,综合考虑相关因素对系统变量影响的基础上,通过一阶微分方程组揭示其内在发展规律,对系统变量未来发展趋势进行预测。两种模型在实际研究中都得以广泛应用。1”o。创意农业的发展是一个包含多个变量的复杂系统,而且变量之间相互影响、相互关联。基于创意农业发展的多变量影响,基于较长期系统特征预测中相关因素的扰动,采用等维灰数递补模型对多变量灰
5、色GM(1,N)模型进行改进,即自适应多变量预测模型,综合考虑创意农业发展多变量影响,对北京创意农业发展规模与发展方向进行预测。收稿日期:2013一叭一lO作者简介:刘笑冰,博士生,经济师,主要研究方向为农林经济管理。通讯作者:陈建成,教授,博导,主要研究方向为农林经济管理。基金项目:2011年北京市自然科学基金面上项目“北京创意农业发展模式与机制研究”(编号:9112006)。62万方数据刘笑冰等:基于MGM(1,N)模型的北京创意农业发展灰色预测1 自适应MGM(1,N)模型建立11 MGM(1,N)基本模型MGM(1,n)模型不是对GM(1,1)模型的简单组合,而是对GM(1,1)模型的
6、rl元变量的自然推广。令算(0)=(xl(1),戈:(2),x(0)(m)为系统特征在t个时间段上的灰时间序列,戈;”=(戈:钟(1),戈(2),戈(m)(i=2,n)为凡一1个与系统特征相关的因素,戈”=(戈(1),戈(2),并:(m)为相应的1一AGO序列,即:xl(k)=三zo)(j),其中k=1,2,m,则MGM(1,凡)模型为n元一阶常微分方程组:警硇+口l:)+,+bj警氇一1)q-a22X掣)+6: (1);警弘一)+卅)+6。(并:0)(2),石o)(3),算(m)7,z:1(_|)为茗;1(矗)的近邻均值生成序列,即:(|)=丁1(戈_(|)+菇(矗一1),k=2,m,i=1
7、,2,n。则参数A和B的辨别值:A= ,B=(b,b:,b。)7 (6)MGM(1,,)模型计算值为x(k)=ea(k-1)X(1)+月“(e“一,)台 (7)k=1,2,且X(1)=Xo(1)Xo(k)=X1(k)一X1(k一1),k=2,3, (8)12模型修正灰色系统模型主要用于短期预测,为了预测稍长时期系统情况,本文采用等维灰数递补模型:将预测数据星(凡+1)放到原始序列以替换最原始的数据,形成等维新数列进行预测。设X(奄)=(Xl(南),戈(而),石:(i)T X 2北京创意农业预测A=l“02“n“则式(1)可转化为:譬:A义+B (2)dZ其连续时间响应为X(t)=eAtX1(0
8、)+A。1(e一,)B, (3)其中em=,+砉箸k为单位矩阵。为辨别参数A和B,将式(2)离散得:茗0)(矗)=砉孚(F(|)+_l(_|一+bi江1,2,n;七=2,m (4)设n。=(口。ad,a。b。)T 9i=1,2,凡,运用最小二乘法可得a;的辨别值a。:三。=(a。,aa,三。,b。)7=(LrL)一1 LrYi,i=1,2,1,, (5)其中L=zi(2) :(2)z:(3)z(3)z:(m)z:”(m),r=除却产品创意,创意农业的创意更多体现在科技、文化、服务以及生态等方面,结合国内外创意农业的概念、内涵以及表现形式的相关研究,目前,北京创意农业的主要表现形式有农业观光园和
9、民俗旅游。此外,属于科技创意范畴的设施农业,对提高农产品市场价值具有极大地推动作用,在北京都市型现代农业结构调整与休闲等功能也日益凸显,如:大兴区的玻璃西瓜等。在日本,设施农业作为创意农业的首要表现形式得以优先发展。因此,本研究将北京创意农业的表现形式归结为三种:农业观光园、民俗旅游、设施农业,并将三者的产值以及三者产值之和作为系统特征变量。用K、匕、y3和yo分别表示农业观光园、民俗旅游、设施农业以及三种不同形式创意农业产值之和的产值。创意农业以农业生产为基础,以创意产业发展为背景,在创意农业发展模式与对策思路上,创意农业与传统农业一样往往受自然资本、生产要素等因素影响,特别是与农村、农业发
10、展直接相关的投资及人才等情况。诸多学者也一致认为创意农业的发展要将科技、文化、产业、市场以及生态环境有机结合。加大农业生产投资并注重人才培养,北京市各区县政府也在此方面进行了大量投入,以促进不同形式创意农业的快速发展。根据关于创意农业发展模式、对策思路等相关研究,基于本研究调研,结合北京创意农业表现形式,本研究选63nnn一)023玎,L,L,LZ孑Z万方数据中国人口资源与环境2013年第4期表1Tab1北京不同形式创意农业及相关因素原始数据表Related factorsoriginal data of different formsof creative agriculture in Be
11、ijing数据来源:北京统计年鉴(20072012)择与不同形式,创意农业发展关联度较高的创意产业、农林牧业、农村投资和代表科技水平的农林牧业方向上的技术成交数量作为影响创意农业发展的影响因素,并分别用墨、置、置和墨表示北京市创意产业产值,农林牧总产值、农林牧业方向上的技术合同成交项数量和农村固定资产投资额度,原始数据见表l。一方面,在创意农业年总收入上,设施农业收入最高,2011年总收入达455 8193万元,占当年北京市创意农业总收入的60,民俗旅游收入最低,2011年总收入86 82227Y元,占当年北京市创意农业总收入的1143;在收入增长速度上,在三种形式创意农业中,民俗旅游收入增长
12、速度最快,年增长速度高达2752,2011年收入较2006年净增长138倍;而农业观光园收入增长最为缓慢,年均增长率仅为214;在总收入构成上,六年来,三种不同形式创意农业收入占创意农业收入比例相对稳定,收入占比波动很小。其中,北京市设施农业收入一直是创意农业收入的主体,六年来占北京市创意农业总收入的比例均在5987以上,最高年份(2010年)占比高达6183;而民俗旅游占创意农业总收入的比例最低,六年来占比最高仅为1143(2011年),最低占比约为1037。另一方面,近六年来,北京市创意产业、农林牧产值和农村固定资产投资均呈稳定增加态势,其中创意产业和农村固定资产投资增长速度最快,201
13、1年与2006年相比较分别增加了249倍和264倍,而农林牧产值仅仅增加了l,51倍。尽管农林牧业方向上的技术合同成交数量在波动中有所下降,但三种不同形式创意农业产值却迅速提高,与2006年相比较,产值均翻了一番。因此,北京市创意农业的发展与北京市创意产业、农林牧产值和农村固定资产投资具有较强的正相关性。三种不同形式创意农业代表了北京市创意农业的不同发展方向,因此,北京市创意农业的预测不仅包含了创64意农业总收入的预测,即未来五年内北京市创意农业的发展规模问题,同时也包含了不同形式创意农业收入变化,即北京市创意农业未来五年内的发展方向问题。21发展规模预测北京创意农业主要表现为农业观光园、民俗
14、旅游以及设施农业三种形式,因此,将三者的总产值发展变化作为判别北京创意农业发展潜力的指标,所以在发展潜力预测MGM(1,几)模型中凡=4。运用残差检验,对序列yo、x,、_jf:、玛和x。的模型计算值与实际值的误差进行逐点检验,五个序列的平均相对误差分别为376、632、108和527,可见自适应MGM(1,凡)模型对五个序列具有较高的拟合精度,采用该模型对其今后五年产值变化进行预测,结果如表2所示。表2 201 l一2015年北京创意农业及相关因素预测值Tab2 Predicted value of creative agricultureand related factors in Bei
15、jing(201 12015)对比表2中201 1年三种形式创意农业总产值的预测值与表l中2011年三者产值之和的原始数据,误差水平在001左右,远小于临界值005的水平,因此,采用自适应的M伽(1,n)(其中11,=4)对北京市不同形式创意农业发展进行预测具有较高的精度和拟合度。22发展方向预测农业观光园、民俗旅游以及设施农业代表了北京创意农业发展的三个不同方向,采用改进的MGM(1,11,)模型对三种形式创意农业未来5年产值变化进行预测比较,分析北京未来五年内创意农业发展方向。然而,无论是从北京市创意农业消费市场容量角度还是从发展投资角度,三种形式创意农业之间相互影响,相互联系,考虑到三种
16、不同形式创意农业之间的相互影响,运用改进的MGM(1,n)模型对其收入进行预测时,其相关因素不仅包含戈,(i=1,2,3,4),同时也受其他两种形式创意农业发展的影响,即对于系统变量y。的预测,其关联因素则同时包含F(其中:i=2,3)。因此,此时MGM(1,n)模型中n=6。同样,采用运用残差检验对序列Y,、y2、y3、X。、X2、X3和x。的模型计算值与实际值的误差进行逐点检验,结果万方数据刘笑冰等:基于MGM(1N)模型的北京创意农业发展灰色预测如表3所示。表3不同系统变量残差检验平均相对误差(单位:)Tab3 Average relative error of Different sy
17、stemvariable residual test()可见自适应MGM(1,n)模型对不同系统变量(Yl、匕、y3)及对应的六个序列具有较高的拟合精度,采用该模型对三种不同形式创意农业五年(20112015)产值变化进行预测,预测结果如表4所示。表4 201 12015年北京不同形式创意农业发展预测值Tab4 Predicted value of different forms of creativeagriculture in Beijing(201 l2015)对比表4中201 1年三种形式创意农业产值的预测值与表l中2011年三者产值的原始数据,误差水平分别为004、0001和0000
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 MGM 模型 北京 创意 农业 发展 灰色 预测
限制150内