基于IOWA组合模型的浙江林业总产值预测

吴宪

摘 要：首次利用IOWA算子组合模型，对浙江省林业总产值进行预测。基于浙江统计年鉴中的历年林业总产值数据，采用GM灰色模型（1，1）、ARIMA（p，d，q）模型进行产值预测，并对产值预测进行精度计算，然后使用组合模型（IOWA算子），对GM灰色模型和ARIMA模型的数据按算法进行组合。最终通过评价可知，数据结果体现组合预测（IOWA算子）比单一预测模型更具有优势。

关键词：GM灰色模型;ARIMA模型;IOWA算子;组合模型;林业总产值;预测

中图分类号：F326.27        文献标志码：A      文章编号：1673-291X（2019）21-0102-03

一、主要文献回顾

国内对于林业总产值的预测，下列如ARIMA模型（沈杰，2018）、基于马尔科夫模型（张建成，2018）、GM模型（朱曼，2013）、Holter-Winterf非季节模型和Logistc曲线（赵健，2016）模型也有所运用。

近年来，在组合模型（IOWA算子）的预测应用中，多学科多产业有所采用。IOWA概念在1969年由Bates和Granger 年首次提出，国内研究者陈华友和刘春林得以推广，建立使用诱导有序加权算术平均（IOWA）算子理论的数学模型，其将评价标准为最小误差平方和的高低，数据表明其算法优化的准确性，同时确定计算出IOWA 算子系数。

二、模型简述

（一）模型的建立

（二）IOWA算子

（三）模型的建立与计算

与单一模型预测策略相比，组合预测模型（IOWA算子）在应用中更加精准，其明显优于单一的模型预测。计算组合模型策略中每个时点上单一模型预测产值，在对应的时点上加权平均，研究表明预测产值与每个时点上预测精准度有关，由此计算出预测产值将更加符合实际产值。因此，本次研究采用组合预测（IOWA算子）模型对浙江省林业总产值进行预测。

（四）评价体系

组合预测（IOWA算子）模型，其评价体系是对每个单一模型预测方法和组合预测（IOWA算子）方法进行比较，计算其在预测效果上的差异，其多采用的指标如下：

三、数据与研究模型

（一）数据来源

本文研究所用数据主要来自于国家数据网站，以及《浙江省统计年鉴（2018）》中获得的林业总产值年度数据（2006—2017年）。采用Matlab、Lingo、SPSS等进行计算，对浙江省2018—2020年的林业总产值进行预测（见表1）。

（二）灰色GM（1，1）模型

1982年华科的邓聚龙教授提出的灰色系统理论是通过收集少量数据，通过分析，计算差分方程、矩阵转换，建立灰色模型，并对研究对象进行了长期模糊描述。通过用Matlab软件对数据灰色模型的处理，得到了灰色预测模型拟合方程：

（三）时间序列ARIMA模型

ARIMA模型是自回归预测模型，利用差分对数据进行整合移动平均，建立考虑时间序列的数学模型。在ARIMA含有下列因子（p，d，q）中，自回归因子A是，移动平均因子MA，自回归因子p，移动平均因子q，d是差分数，通过计算可得p=2，d=1，q=1，具体预测值（见表2）。

（四）IOWA组合预测模型

建立二维数组[a1t，x1t]，[a2t，x2t]，…，[amt，xmt]，将数据代入式（2）得到下列方程：

fL（[a11，x11]，[a21，x21]）=94.02w1+104.28w2

fL（[a12，x12]，[a22，x22]）=109.54w1+102.92w2

同理，对t=2，3…，N可以得出其他时间点的fL（[a1t，x1t]，[a2t，x2t]），然后用Lingo软件使用最优化计算，得出各单项预测权重w=（0.8785，0.1215）T。以该权重建立组合预测模型，计算结果（如下页表3所示）。

（五）模型评价

按照前文的评价指标对每个模型进行分析，采用组合预测（IOWA算子）模型的优势明显，精度更高。

四、结语

本文采用GM（1，1）灰色预测模型、时间序列ARIMA（2，1，1）的预测模型。对2006—2017年浙江省林业总产值进行模型预测，最后采用组合模型（IOWA算子）的诱导有序加权平均算法。对上述GM和ARIMA模型进行组合预测，通过拟合，组合模型（IOWA算子）预测精度明显高于每个单项模型，说明本次研究所采用组合预测（IOWA算子）模型预测对于浙江林业总产值是有效的。

从预测结果分析，2020年的林业总产值预测为193.16亿元，2021年即可突破200亿元。为此，建议进一步实施新一轮的林业发展政策，提高森林覆盖率，优化经济林种植的品种和面积，做到投入产出间的最大化。大力推动林业相关产业间融合发展，优化产业结构，提升产业高附加值，减少因产业发展而对環境造成的影响。加快木本科油料林木、浙江特色的毛竹和花卉苗木等产业的发展，尤其是增加木本油料基地的建设，同时，进一步加大森林休闲旅游养生产业的发展，达到绿色可持续发展的高效率产业目标。

参考文献：

[1]  孙丽，牟海波.基于IOWA组合模型的高速铁路客运量预测研究[J].铁道运输与经济，2018，（9）.

[2]  陈华友.组合预测模型与方法研究综述[J].大学数学，2017，（4）.

[3]  李淑凤，谢威.基于GM（1，1）模型的牡丹江市林产总值预测[J].牡丹江师范学院学报：自然科学版，2018，（2）.

[4]  张建成，智荣.内蒙古林业总产值预测——基于马尔科夫的修正指数平滑预测模型[J].林业经济，2018，（3）.

[5]  沈杰，杨忠月，乔吉良.基于季节性时间序列模型的林业产值预测分析[J].南京林业大学学报：自然科学版，2018，（5）.