基于小波变换的GM1 1-ARIMA组合模型对粮食产量的预测

樊超 郭亚菲 曹培格

摘要：为提高粮食产量的预测精度，针对粮食产量的数据特点，提出了在小波变换的基础上，结合GM（1，1）模型与ARIMA模型的优点，建立GM（1，1）-ARIMA组合预测模型。首先，通过小波变换对非平稳序列进行分解，得到近似分量和细节分量;针对各分量序列的不同特征，采用灰色GM（1，1）模型对近似分量进行趋势预测，为进一步提高趋势信号的预测精度，使用灰色GM（1，1）模型对预测序列进行残差修正;然后，采用ARIMA预测模型对分离出的细节分量进行预测;最后，通过小波重构得到粮食产量的预测值。预测结果表明，基于小波变换的GM（1，1）-ARIMA模型的拟合平均误差为0.69%，通过对2011—2014年粮食产量的预测，其预测平均误差低于1%，为粮食产量预测提供了一种新的技术途径。

关键词：粮食产量;预测;小波分析;GM（1，1）模型;ARIMA模型

中圖分类号： S126 文献标志码： A 文章编号：1002-1302（2019）01-0221-04

粮食作为一种特殊的商品备受人们关注，它的产量始终是一个国家经济发展的大问题，粮食丰收为经济平稳发展和社会的和谐与稳定提供了有力支撑。预测粮食产量的变化趋势对国家粮食安全、政策宏观调控有着重要意义，因此粮食产量的预测显得尤为重要。

粮食产量预测历来受到各国政府和学者的普遍关注，目前主要采用遥感技术预测法、气象产量预测法[1]、动力学生长模拟法、元回归分析法和神经网络预测法等预测模型[2-3]。然而大量研究表明，粮食产量是一个动态、非线性复杂系统，具有随机性和突变性的特点，因此难以建立准确的数学模型。……