预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

PAGE\*MERGEFORMATII学号:毕业设计(论文)(2015届)题目基于时间序列在粮食产量中的方法研究学生学院专业班级校内指导教师专业技术职务校外指导老师专业技术职务基于时间序列在粮食产量中的方法研究摘要:粮食是我们生产和生活中的基本消费品,我国民生国计的首要大事就是解决我国的粮食产量问题。本文介绍了几种时间序列的建模方法,来分析预测出我国的粮食产量问题。并且通过分析我国2000到2014年的粮食生产总量数据的特点,建立了自回归移动平均模型ARIMA(p,d,q)模型。最后,通过使用Eviews6.0操作软件成功的计算完成了关于我国粮食产量的预测问题。得出的结果如下,在未来的几年内,我国粮食生产在不受到自然灾害等因素影响的前提下,将会缓慢增长。通过分析,显示农业科技技术和重大的自然灾害对我国粮食产量的影响较为严重,为了保证粮食产量的增长要发展好农业技术和做好重大自然灾害的预防措施。关键词:时间序列;粮食产量问题;ARIMA模型。PAGE\*MERGEFORMATIIStudyonthemethodoftimeseriesbasedongrainoutputAbstract:Foodisthemostbasicconsumergoodsforhumansurvival,theproblemofthegrainoutputofacountryrelatestothenationaleconomyandthenationaleconomyandthecountry'snationaleconomyandthenation'slivelihood.Tomakefoodforecast,thispaperpresentsseveralmodelingmethodsfortimeseries.Throughtheanalysisofthecharacteristicsofthetotalgrainproductiondatain2000-2014,themodelofautoregressivemovingaverageARIMA(p,d,q)isestablished.Finally,theforecastofgrainoutputofourcountryiscalculatedbyEviews6.0software.Theresultsshowthatthegrainoutputisnotaffectedbynaturaldisastersinthenextseveralyears,anditwillslowgrowth.TheanalysisshowsthattheagriculturaltechnologyandthemajornaturaldisastershaveaseriousimpactonthegrainoutputinChina.Inordertoensurefoodproductionproblemstodevelopagriculturaltechnologyandtodoamajordisasterprevention.Keyword:Timeseries;Grainoutput;ARIMAmodel.PAGE\*MERGEFORMATIII目录TOC\o"1-3"\h\uHYPERLINK\l"_Toc423100467"摘要PAGEREF_Toc423100467\hIIHYPERLINK\l"_Toc423100468"目录PAGEREF_Toc423100468\hIIIHYPERLINK\l"_Toc423100469"1.引言PAGEREF_Toc423100469\h1HYPERLINK\l"_Toc423100470"1.1课题背景PAGEREF_Toc423100470\h1HYPERLINK\l"_Toc423100471"1.2本课题研究的意义PAGEREF_Toc423100471\h1HYPERLINK\l"_Toc423100472"2.关于我国的粮食产量问题PAGEREF_Toc423100472\h2HYPERLINK\l"_Toc423100473"2.1国内粮食产量的现状PAGEREF_Toc423100473\h2HYPERLINK\l"_Toc423100474"2.2研究粮食产量的方法PAGEREF_Toc423100474\h2HYPERLINK\l"_Toc423100475"3.几种时间序列预测方法简介PAGEREF_Toc423100475\h2HYPERLINK\l"_Toc423100476"3.1自回归(AR)模型