玉米总产量预报模型

1、本科毕业论文题目:日照玉米总产量预报模型院（部）：理学院专业：信息与计算科学班级：信计054姓名：朱庆亮学号：2005121355指导教师：夏省祥完成日期：2009年6月15日山东建筑大学毕业论文山东建筑大学毕业论文III I目录TOC o 1-5 h z HYPERLINK l bookmark2 o Current Document 摘要IIABSTRACTIll1前言1.1研究的目的和意义11.2国内外研究现状21.3研究内容3资料来源及处理方法2.1资料来源42.2处理方法4玉米产量预测的灰色模型 HYPERLINK l bookmark18 o Current Document GM

2、(1,1)模型的建模原理7 HYPERLINK l bookmark24 o Current Document GM(1,1)模型的建模过程及求解73.3结果与分析8玉米产量回归分析预报模型4.1日照地区状况及玉米生理特征114.2模型假设及符号说明12 HYPERLINK l bookmark26 o Current Document 4.3玉米产量回归分析预报模型134.4日照玉米产量分析及预报134.5日照玉米单产的滑动平均预报方法144.6玉米产量的预测215结论24 HYPERLINK l bookmark48 o Current Document 谢辞25 HYPERLINK l

3、bookmark50 o Current Document 参考文献26摘要本文采用山东省气象局、山东省日照市气象局，山东省日照市农业局等不同地区（其中在三个试验点）进行的实验数据，其中包括19712008年的玉米产量，种植面积资料以及同期的气象资料等。通过滑动平均法对单产量进行处理，利用灰色模型对单产量进行简单的处理预测，分离趋势产量与气象产量，用多项式法对趋势产量进行模拟和分析。同时利用SPSS软件的相关性分析，回归分析等功能对数据进行处理，找出相关性因子，并得到回归方程，进而模拟气象产量，得到玉米产量与气象因子之间的关系，最后预测实际的玉米产量。分析结果表明：日照市的玉米气象产量主要同播

4、种期，成熟期等重要时期的相对湿度，日照，降水量和其他一些气象因子有关。在分析模拟的基础上，建立日照单产量模拟预测的计算机模型，初步开发了日照玉米产量的预报系统。关键词:玉米；回归分析；气象产量；趋势产量；灰色模型PredictionModelsofMaizeYieldinRizhaoABSTRACTBytheexperimentaldatacomefromMeteorologicalBureauofShandongProvince,RizhaoCityMeteorologicalBureau,RizhaoCityAgricultureBureauotherregionsofRizhao,inc

5、ludingcornproductionin1971-2008,cultivationareasandmeteorologicaldataandinformationinthesameperiod,Agraymodelisestablishedthroughthemovingaveragemethodtodealwithasingleoutputtoforecastproduction;separatingweatherandtrendisolatedyield,thepolynomialmethodisusedtosimulateandanalysisthetrendofproduction

6、.Atthesametime,theuseofSPSSsoftwareforcorrelationanalysis,regressionanalysisandotherfunctionstoprocessthedatatoidentifyrelevantfactors,theregressionequationandthensimulatedmeteorologicaloutput,thecornyieldandtherelationshipbetweenmeteorologicalfactors,andfinallytheactualcornforecastproduction.Theres

7、ultsshowthat:RizhaoCity,themainproductionofcornandsowingtimeweather,animportantperiodofmaturity,suchastherelativehumidity,sunshine,precipitationandothermeteorologicalfactorsrelated.Simulationintheanalysisbasedontheforecastofsunshineasingleoutputofacomputersimulationmodel,theinitialdevelopmentofthesu

8、nshinetheearlywarningsystemofcornproduction.KeyWords:maizeproduction;regressionanalysis;greymodel山东建筑大学毕业论文- -1前言1.1研究的目的和意义我国自然灾害频繁，气候条件及变化对作物产量和品质有很大的影响，因而农业生产的发展在年度间不稳定，在地区间不平衡。随着我国国民经济的不断发展，人民生活水平的逐步提高，对农业生产提出了更高的要求。现在，我国绝大部分地区已基本解决了温饱问题，正向小康生活稳步迈进，人们对粮食及农副产品的需求已不仅仅停留在能吃饱的程度上，而是要做到吃好。我国改革开放以来随着畜

9、牧业的大发展，人民生活水平的提高，玉米工业的发展玉米已成为玉米、饲料、工业原料和出口商品的多用途作物。我国在80年代消费玉米2588万吨，占同期口粮比例的38%，饲料用玉米占48%，消耗玉米3269万吨，出口占11%，出口玉米749万吨，工业原料和食品加工占3%，耗用玉米205万吨左右。进入90年代，全国口粮消费玉米大约占玉米总产量的19%，消费玉米量约为1870万吨；玉米是重要的工业原料，也可加工成精制的玉米食品。我国目前用于工业原料和食品工业的玉米占玉米总产量的5%左右，年消耗玉米250万吨左右。我国19901994年平均出口玉米820万吨，占玉米总产量的8%左右。玉米生产受经济、自然和社

10、会等多种因素的影响，是一个复杂的开放性系统，具有明显的动态特征和不确定性，玉米产量的形成是一个十分复杂的生态过程和农业经济过程,对玉米产量形成的描述也是一个复杂的过程,玉米产量的高低既取决于农业生产要素的投人和农业科技的发展水平,又受到政策、自然环境等因素的影响,它是许多因素综合作用的结果。对玉米产量及其变化的研究,在经济学领域已有大量的研究方法和成果,但大都在将自然气候变化因素视为既定不变的前提条件下进行讨论的,研究的是生产力与生产关系、生产要素与生产系统等关系的影响。而气候的变化将对人类的社会经济、生态环境等许多方面造成影响,玉米产量也必然会受到社会经济因素和自然气候因素的共同作用,这样的

11、假定显然会影响研究结论的准确性和科学性。因此,研究气候变化对中国农业发展乃至整个经济的影响,必须提出新的方法,并为此构建新的研究模式,特别是加入气候因子的气候变化模式。这是此次研究的构思和工作出发点。1.2国内外研究现状我国农业气象工作者自20世纪70年代末就开始了作物产量预报的研究和服务，80年代前、中期对我国粮食产量的气象预测预报方法进行了深入系统的研究，研制了一套适合我国不同时空尺度的作物产量气象预报模式，同时对作物生长与产量形成的动态模拟以及遥感估产做了一些初步的尝试，为以后的农业气象作物产量预报研究打下了基础。80年代的农业气象作物产量预报研究和业务化试验采取的是边研究、边试验、边服

12、务的方针，在研究的同时，进行作物产量试报服务，建立了玉米、冬小麦、水稻、大豆、棉花等产量预报模型。90年代初，气象部门开展了作物产量气象预报方法的业务化试验，并逐步将上述研究成果正式投入了业务，此后经过10多年的业务运行和完善，预报的作物己囊括了小麦、水稻（早、中、晚）、玉米（春、夏）、棉花、大豆、油菜和秋粮、全年粮食总产等粮棉油作物，建立了国家级、省级和地区级等不同区域的农业气象产量预报业务系统。最近几十年来，许多国家都己将作物产量监测和预报列入日常业务范围，研究状况不尽相同，所采用的方法和研究对象也多种多样。作物产量预报的方法很多，大体归纳为以下几类：地面气象要素预报方法、遥感预报方法、大

13、气环流预报方法、海温预报方法、农学预报方法等。地面气象要素预报方法是其中研究较多，较深入的一种地面气象要素预报方法在一定地域范围内预报精度虽然较高，但是在不同气候、不同品种的条件下预报精度往往偏低。遥感产量预报方法主要利用现代卫星遥感技术宏观、快速、准确、动态的优点，进行各种作物产量的预报，这己成为卫星遥感技术与农业交叉的研究重点。但是大多数遥感预报方法主要采用光谱信息与作物产量直接建立关系式，缺少作物生长的内在机理，在预报精度上年际波动较大。农学预报方法以定点的时间过程为特点，按时间顺序对过程进行详尽的模拟，具有明确的生物学意义和物理意义，模拟精度较高，但是农学预报方法在对作物产量进行模拟时

14、需要大量地面生物学参数，而且只能选择有代表性的地区、有代表性的点进行模拟，这就限制了其在空间范围上的推广应用。农作物的产量与温度、降水、日照、风等气象因子密切相关而这些因子的空间分布及时空演变又是由大气环流的中期演变规律或长期振动以及海水温度所决定的，因此，它们也必然要影响农作物的产量。基于这种理论建立的大气环流方法的时效比统计方法长，可达半年以上的长期甚至是超长期估计，预报范围也更广。海温的异常对长期天气和气候变化有很大影响，这也必然影响到农作物产量的丰欠，因此了解大尺度海气相互作用及海气之间的遥相关也是研究产量预报的一个重要分支。目前，国内外对上述几种产量预报方法研究很多，并基于这些方法建

15、立了不少模型。但研究的作物种类比较单一，产量预报主要集中于对水稻、小麦、玉米、大豆等粮食作物及棉花等少数经济作物的研究。1.3研究内容本文利用不同的方法对日照玉米产量进行预测，包括回归分析与灰色模型，在计算过程中，分别得到其趋势产量和气象产量，并对各自的影响因子进行分析，选出气象产量的主要影响因子，并在此基础上利用影响因子相对较少，精度比较高的方法建立玉米产量的模拟预测方程，根据所建立的模拟预测方程进行日照玉米产量预报系统的编制，实现可视化操作。资料来源及处理方法2.1资料来源本课题的相关数据来源于山东省气象局、山东省日照市气象局，山东省日照市农业局。山东省日照市1971年2008年的月平均气

16、温、月平均最高气温、月平均最低气温、月极端最高气温、月极端最低气温、月极端最高气温日期、月极端最低气温日期月平均降水量、月日照小时总数、月日照百分率、月平均湿度等。山东省日照市不同的地区（其中在三个试验点）进行的实验数据。2.2处理方法2.2.1产量资料的处理由于资料所给的数据是三个气象观测站的，为了减少误差，减少处理难度，我们计算三个气象站的平均数值，得到1973年到2008年的实际气象数据。而日照玉米历年总产量，种植面积，单产量变化分别如图1，图2，图3所示。总产曲线图2.1日照1971-2008年玉米总产变化曲线种植面积曲线积面植种7000060000500004000030000200

17、0010000+种植面积曲196019701980199020002010年份图2.2日照1971-2008年玉米种植面积变化曲线单产曲线量产单年份单产曲线图2.3日照玉米1971-2008单产变化曲线从图1可以看出，日照玉米总产量虽然有一定的波动，但总体呈上升趋势。主要原因是种植面积的稳步增加如图2，但是日照种植面积的增幅明显低于总产的增幅，这说明日照玉米总产的提高不仅仅取决于种植面积的增加，还同玉米种植管理技术，气候的变化等因素有很大的关系。由图3可以了解到单产经历了巨大的上升之后出现趋于平滑的稳定，这主要受种植技术，气象条件等因素的影响，这是下文分析的重点。2.2.2气象资料的处理首先，

18、对日照各地的日气象资料进行处理，把三个气象站的资料转化为一个平均资料。其次，对日照各地的气象资料，按月份进行分类。再次，由于1992年和1997年的产量偏差较大，暂不予以考虑。在气候生产力方面，根据玉米气候生产力同光、温度、水等因子的关系，利用处理得到的月气象资料和相关生产力资料，结合玉米本身的部分生理特性参数对日照各地玉米单产进行分析。玉米产量预测的灰色模型本文以玉米为例，在日照的产量与预测，前期资料处理的基础上，建立了日照玉米产量预报模型。3.1GM(1,1)模型的建模原理GM(1,1)模型的原理是对原始数据加以整理生成,使生成的数据具有一定的规律性,使其相应的曲线可以用典型的曲线逼近,然

19、后用逼近的曲线作为模型,最后将模型预测值作整理,用以对系统进行预测。设有原始非负时间数列h(0)(k(k二1加，其一次整理生成的数列为：x()k)丈i=1x(0i)(k=12n)其中，x(1Xk)是一个递增型函数关系，即构建灰色模型。3.2GM(1,1)模型的建模过程及求解灰色模型(greymodel)记为GM，GM(m,n)表示m阶n个变量的微分方程。微分方程适合描述社会经济系统，生命科学内部过程的动态特征，因此灰色系统预测模型的建立常应用微分拟合法为核心的建模方法，GM(m,n)模型中由于m越大计算就越复杂，因此常用灰色模型为GM(1,i)。此模型称为但序列一阶线性动态模型。dx(t)+a

20、xt=u灰色动态模型一般形式为dt,经过拉普拉斯变换和逆变换,就可以得到GM(11)模型,形式如下：x(t)=(xo-U)e一皿+a利用最小二乘法求解参数aua=k=bb-1BTYN式中:B为数据阵，即YN为数据列,即-(xd)(l)+x(2)2-(x(i)(2)+x(3)2-(x(1)(n-1)+x(n)2x(0)(2)x(0)(3)x(0)(n)3.3结果与分析3.3.1日照市粮食产量灰色预测我们取近7年的作物单产量数据作为预测的基础,应用灰色动态模型,建立研究区平均产量的灰色预测模型；表3.1日照市19732006年粮食单产的平均值周期1234567时段19981999200020012

21、00220032004单产6373.45966.46115.45877580757656055.4IX(0)=CX(0)(1),X(0)(2),X(0)(t),(t=1,27);根据GM(1,l)模型原理,经过处理的原始数据计算所得微分方程拟合的参数向量为:A=-0.00080844，5973.7即a=-0.00080844,u=5973.7,uu取x1(1)=X(0)二6373.4得时间响应函数解为:x(t)=(x0)eat+aaX(t+1)二7395142.96e0.00080844t-7389169.26即为阶段粮食作物产量灰色模型。3.3.2GM(1,1)模型精度检验根据建立的预测模型

22、,计算19582000年6个时段的生成值X(0)(t),t=1,2,3,4,5,6,然后将其还原得模拟值,并与实际值进行比较,结果表明实际值与预测值精度在8%以内,说明预测精度比较高,预测结果可靠。表3.2模型模拟1958-2000年不同周期实际值与模拟值的比较周期123456时段199819992000200120022003单产6373.45966.46115.4587758075765预测值5581.255985.785990.66391.55604.3预测精度0.93540.97880.98100.90860.9720周期789101112时段200420052006200720082

23、009单产6055.46339658466766703预测值6005.1960106015.936019.756024.626029.8预测精度0.99170.94800.91370.90170.8988模型都有其适用范围，GM(1,1)模型也不例外，其适用范围是与发展系数-a相关的，只有在Ia11时，不宜采用GM(1,1)模型。GM(1，1)灰色模型由于其特点，只能对未来几年的玉米产量进行了预测，并且不能将相关的气象因子考虑在内。虽然这样的模型在一定意义上能够预测出玉米的产量，但是玉米的产量不能正确地反映出气象因子对玉米产量的影响作用。这也是此模型在分析该问题上的不足之处。最后为了考虑气象因

24、素，我们采用5年长度的滑动平均方法将玉米的趋势产量和气象产量进行了分离。用SPSS统计学软件进行了偏相关系数分析，得出了气象产量和气象因子的相关性，然后建立线性回归模型计算出预测的气象产量。找出玉米产量和气象因子的相互关系。根据SPSS数学统计学软件分析得出的显著性水平，分别建立了显著性水平较高影响气象因子的线性相关模型和具有显著性影响气象因子的线性相关模型及非线性相关模型，弥补了前面灰色模型的不足。玉米产量回归分析预报模型日照地区状况及玉米生理特征日照地区状况日照，因“日出初光先照”而得名，地处山东半岛南翼，位于东经1183511939,北纬35043602。东临黄海，与日本、韩国隔海相望，

25、北靠青岛，南与江苏连云港毗邻，西靠沂蒙山区。日照地区属鲁东丘陵，总的地势背山面海，中高周低，略向东南倾斜，山地、丘陵、平原相间分布。最高点为五莲县的马耳山，海拔706米；最低点在东港区东海峪村，海拔1米。山地占总面积的17.5%，丘陵占57.2%，平原占25.3%。日照市位于山东省东南部黄海之滨，东经118。25,119。39，,北纬35。04,36。04仁东临黄海，西接临沂市，南与江苏省连云港市毗邻，北与青岛市、潍坊市接壤。南北长约82公里，东西宽约90公里，总面积5310平方公里。日照地处海滨，境内地貌类型多样，有平原、山丘、水域、湿地、海洋等丰富多样的自然景观。境内河流纵横，分别归属沭河

26、、潍河,除潍河流入渤海外，其余流入黄海。较大河流18条，总长461.4公里，流域面积5222.7平方公里。沭河发源于沂山南麓，境内段长76.5公里，流域面积1718.4平方公里；潍河贯穿五莲县、莒县，境内段长121.4公里，流域面积1350.2平方公里；傅疃河是唯一的境内大河，全长73.5公里，流域面积1060平方公里。日照属暖温带湿润季风气候，四季分明，气候宜人，发展海洋与渔业经济条件得天独厚。全市拥有海岸线99.6公里（含前三岛岸线），浅海水域广阔，负20米等深线以内的浅海面积6万多公顷，滩涂5000公顷，岛礁33个，其中较大的岛屿有平山岛、达山岛、车牛山岛，即“前三岛”。近海沿岸常年表层

27、水温变化范围2.6-27C；潮流速度1.2米/秒，水流畅通，水体交换充分，近岸海水pH值8.15-8.35,盐度平均为30.12%。玉米生理特性玉米喜温，种子发芽的最适温度为2530C。拔节期日均18C以上。从抽雄到开花日均2627C。灌浆和成熟需保持在2024C；低于16C或高于25C，淀粉酶活动受影响，导致子粒灌浆不良。山东建筑大学毕业论文4- -玉米为短日照作物,日照时数在12小时内,成熟提早。长日照则开花延迟，甚至不能结穗。玉米在砂壤、壤土、粘土上均可生长。玉米适宜的土壤pH为58,以6.57.0最适。耐盐碱能力差，氯离子对玉米的危害尤甚。玉米的根为须根系，除胚根外，还从茎节上长出节根

28、：从地下长出的节根称为地下节根，一般4-7层；从地上茎节长出的节根又称支持根、气生根，一般2-3层。株高1-4.5米，秆呈圆筒形。全株一般有叶15-22片，叶身宽而长，叶缘常呈波浪形。花为单性，雌雄同株。雄玉米于植株的顶端，为圆锥花序；雌玉米于植株中部的叶腋内，为肉穗花序。雄穗开花一般比雌花吐丝早3-5天。在正常的气候条件下，日照玉米的生长期为6月到10月。模型假设及符号说明模型假设山东省日照市气象部门和山东省日照市农业局提供的数据准确或者误差不大，比较符合实际。在玉米生长预测中仅考虑气象因素的影响作用，其他如：病虫害，技术管理的进步，偶尔的气象变化等不考虑在内。山东省日照市提供了三个站点的实

29、验数据，由于三个站点的数据相似度非常高理性地选择其中一个站点的数据作为此模型的实验数据。符号说明Yt趋势产量，Yw气象产量X1代表十月平均相对湿度，X2代表7月份月最高气温，X3代表七月份月平均相对湿度X六月份月平均相对湿度。山东建筑大学毕业论文- -玉米产量回归分析预报模型气象条件是影响玉米产量的最主要的外部条件之一，它是玉米生长及其产量形成所必需的基本因子。首先，气象条件作为自然资源直接或间接地提供玉米生长所需要的能量和物质，玉米生长如没有适宜的气象条件的配合，就不可能进行正常的生命活动，也就没有产量的形成。其次，玉米总是种植在一定的气候环境条件下，也就必然受到外部气象条件有利或不利的影响

30、，这些影响或增加或减少玉米的最终产量。当然玉米产量的年际波动，除了气象条件的影响外，土壤肥力、病虫害、管理措施等因素的影响也很大，这些不作为本文考虑的重点。不同品种的玉米对气候条件的要求不同，同一品种的不同生长发育期要求的气象条件也不尽相同。而气象条件又是随时间地点的变化而不断地呈有规律或无规律的变化的，这些特点给玉米产量预报模型的建立带来了一定的困难，但这也是建立玉米产量预报模型时必须考虑的最重要的方面之一。日照玉米产量分析及预报以日照1971年-2008年历年玉米产量、种植面积和同期气候资料为基础，从农业气象角度对影响玉米产量的主要气候因子进行分析，运用数理统计方法建立玉米产量模拟预报模型

31、。在正常气候条件下，根据日照玉米的生育期和生理特性，考虑月平均气温、月平均最高气温、月平均最低气温、月平均相对湿度、月降水量、月降水天数月总日照时数等气象因子对玉米生长发育和产量高低的影响。为了削弱农业技术水平、社会经济条件、供需关系、政府重视程度等非气象因素对玉米单产的影响，更好地分析单产和气象因子之间的相关性，必须把气象因子对单产的影响同农业技术水平、社会经济条件、供需关系、政府重视程度等对单产的影响分开考虑。习惯上，一般把作物的产量分成三个部分：趋势产量Yt（指作物在正常气候条件下，气候变化之外的所有自然和非自然因素所影响的那部分产量）、气象产量Yw（指由气象因素的波动所影响的那部分产量

32、）、随机噪声（由其它没考虑的因素所导致的误差，为小量，一般可忽略）。日照玉米单产的滑动平均预报方法（1）原始数据的平滑处理建立灰色模型的条件是原始离散数据为光滑函数,而粮食产量由于受气候、地貌等自然因素的影响具有非常大的不确定性,本文采用提高光滑度的措施,其主要思路是先对原始数列进行移动平滑处理,基本计算公式为:M二yt+ytl+ytN1tN式中：yt是时间序列中第t期的值,是t期移动平滑值,N是周期数。对玉米单产进行年滑动平均处理，分离趋势产量，和气象产量Yw。分离得到下表（表4.1）中数据，因滑动平均方法对样本数量有损耗，故滑动平均处理后，玉米单产资料由19712008年变为1973200

33、6年。表4.1玉米趋势产量和气象产量滑动平均分离表年份平均单产趋势产量气象产量197337253413312197433213641-320197539703879.490.6197639633894.868.2197744184171.6246.4197838024565-763197947054929.2-224.2198059375421.4515.6198157845901-117198268796258.4620.6198362006194.65.4198464926297.8194.2198556186132.2-514.2198663006157143198760516141.8

34、-90.8198863246252.671.4198964166264.4151.6199061726180.6-8.6199163596219.2139.8199256326271.4-639.4199365176410.8106.2199466776573.2103.8199568696349.4519.6199671716379.6791.4199745136398-1885199866686373.4294.6199967695966.4802.6200067466115.4630.6200151365877-741200252585807-549200354765765-289200

35、464196055.4363.6200565366339197200665886584.43.6（2）气象产量的分析利用统计软件，分析分离得到的历年气象产量与同期气象资料之间的相关关系。发现气象产量丫和六月份月小型蒸发量，六月份月平均相对湿度，七月份月最高气温，七月份月平均相对湿度，十月份月降水量，十月份月平均相对湿度等6个气候因子的相关关系较为显著，其中2个因子的显著水平达到0.01，4个因子的显著水平达到0.05。另外，玉米的气象产量和其花期、发育成熟期、花芽分化期等重要生理期的部分气象因子相关程度也很高，如下表4.2所示（表中带“*”的显著水平为0.05，带“*”的显著水平为0.01）表

36、4.2滑动平均方法分离的气象产量和气象因子之间的相关性气象因子相关系数六月份月小型蒸发量-0.357*六月份月平均相对湿度0.469*七月份月最高气温-0.370*七月份月平均相对湿度0.350*十月份月降水量0.354*十月份月平均相对湿度0.486*同时相关性因素如下表4.3表4.3相关性因素年份十月份降水量十月份平均相对湿度七月份月最高气温七月份月平均相对湿度六月份月小型葵发量六月份月平均相对湿度气象产量1973.001974.00197.0029.1388.00181.5376.00312.001974.0038.9076.0028.3785.00234.9067.00-320.001

37、975.0056.4078.0028.0387.00211.2072.0090.601976.005.5072.0026.8784.00169.1776.0068.201977.0033.1774.0029.9785.00220.1769.00246.401978.0045.4070.0030.3083.00258.0364.00-763.001979.005.8771.0028.6386.00218.7774.00-224.201980.00127.8779.0028.0385.00192.3081.00515.601981.0051.7768.0030.3085.00201.9069.00

38、-117.001982.00102.7081.0027.7784.00205.2771.00620.601983.0063.6379.0029.4381.00208.4766.005.401984.0019.8074.0028.3085.00162.7080.00194.201985.0064.5380.0029.0786.00182.0775.00-514.201986.0032.8770.0028.6083.00178.4377.00143.001987.0089.5380.0029.1384.00205.8773.00-90.801988.009.6073.0029.4784.00215

39、.6371.0071.401989.001.5369.0027.8785.00206.9076.00151.601990.00.9773.0030.1386.00161.8081.00-8.601991.00.5067.0029.7785.00156.3383.00139.801992.0019.3374.0031.4075.00206.1769.00-639.401993.0045.2773.0027.0789.00183.1381.00106.201994.0057.8774.0031.4088.00203.1773.00103.801995.0040.4378.0029.1087.002

40、18.2774.00519.601QQRnnAi=,旳7QnnR7nn1殆FAnn7Q1M1997.003.8367.0031.6079.00250.6060.00-1885.001998.0038.0372.0030.5085.00182.7079.00294.601999.0083.4380.0029.7779.00207.3772.00802.602000.68.0380.0030.2782.00206.2071.00630.602001.009.7073.0029.9385.00175.1774.00-741.002002.006.7368.0030.8377.00195.0073.0

41、0-549.002003.00105.6772.0027.0788.00218.2673.00-289.002004.0013.4770.0029.9784.00192.9572.00363.602005.0024.3072.0029.8386.00260.2068.00197.002006.009.4777.0029.2085.00198.5567.003.60进一步利用回归分析方法进行分析，得到如下图的气象产量的回归拟合方程ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant

42、)-9352.8195297.095-1.765.089十月份降水壘.0593.047.004.020.985十月份平均相对湿度58.57424.409.4722.400.024七月份月最高气温-3.78274.050-.021-.119.906七月份月平均相对湿度16.82329.104.100.576.569為月份月小型蒸发量1.5575.023.078.310.759為月份月平均相对湿度48.54027.240.4811.782.086a.DependentVariable:气象产量图4.1回归系数1可以看出，十月份降水量与六月份月小型蒸发量的系数比较小，说明影响也比较的小因此我们选择将

43、其剔除，重做回归分析，得到以下图ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)-8572.5624250.214-2.017.053十月份平均相对湿度57.86117.528.4663.301.003七月份月最高气温-11.27470.980-.027-.159.875七月份月平均相对湿度1S.7S027.649.111.679.502六月份月平均相对湿度41.63115.556.4132.676.012a.DependentVariable:图4.2回归系数2由此，我们

44、得到回归方程Y=57.861X-11.274X+18.780X+41.631X-8572.562（1）w1234其中式中X代表十月平均相对湿度，X代表7月份月最高气温，X代表七月份月平123均相对湿度，X六月份月平均相对湿度。4我们得到气象产量的预测如下表4.4气象产量的预测10月月平均相对握度7月月最咼气温f月月平均相对湿度6月月平均相对湿度预测气象产量7629.138876310.145387628.378567-112.229387828.038772253.074787226.87847629.286627429.978569-162.887787030.38364-643.80027

45、128.638674-94.294627928.038581648.054786830.38569-513.80728127.778471331.644027929.438166-67.453827428.38580314.04788029.078675463.080827028.68377-83.26148029.138473341.576387329.478471-150.579786927.878576-136.890387330.138681295.783386729.77858317.194027431.47569-366.95267327.078981386.927827431.4

46、887343.71147829.18774324.16667928.58775430.4836731.67960-1073.81347230.58579131.6728029.777972198.766028030.278271207.788027329.938574-12.138826830.837773-503.551427227.078873-22.761187029.978472-288.218787229.838668-299.868427729.28567-63.80883）趋势产量的处理及预报趋势产量由地理环境等因素决定，逐年变化幅度比较小，有相对的稳定性。其变化曲线如图：趋势产

47、量曲线1980199020002010年份ooo7oooooooooooo6543ooo2ooo趋势产量曲线图4.3趋势产量曲线鉴于此图的特点我们决定用分段用多项式方法模拟趋势产量用多项式方法模拟趋势产量的方程如下：J319a-626217,a1983最后预测趋势产量如下：表4.5趋势产量表年份预测趋势产量年份预测趋势产量19733171.97319906250.93519743490.97419916256.29619753809.97519926261.65719764128.97619936267.01819774447.97719946272.37919734766.978199562

48、77.7419795085.97919966283.10119805404.9819976288.46219815723.98119986293.82319826042.9821999629940820006304.54519846218.76920016309.90619856224.1320026315.26719866229.49120036320.62819876234.85220046325.98919886240.21320056331.351网丽丘一F742006朋能一711（4）产量预测及其检验用得到趋势产量，根据（模拟气象产量。把模拟的气象产量和模拟

49、的趋势产量相加，即为模拟的玉米单产。产量模拟预报及其检验结果见表5.6表4.6气象产量模拟年份1973197419751976197719781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003200420052006平均单产37253321397039634418380247055937578468796200649256186300605163246416617263595632651766776869717145136668676967465

50、13652585476641965366588趋势产量341336413879.43894.84171.645654929.25421.459016258.46194.66297.86132.261576141.86252.66264.46180.66219.26271.46410.86573.26349.46379.663986373.45966.46115.45877580757656055.463396584.4气象产量312-32090.668.2246.4-763-224.2515.6-117620.65.4194.2-514.2143-90.871.4151.6-8.6139.8-

51、639.4106.2103.8519.6791.4-1885294.6802.6630.6-741-549-289363.61973.6预测趋势产量3171.9733490.9743809.9754128.9764447.9774766.9785085.9795404.985723.9816042.9826213.4086218.7696224.136229.4916234.8526240.2136245.5746250.9356256.2966261.6576267.0186272.3796277.746283.1016288.4626293.8236299.1846304.5456309.

52、9066315.2676320.6286325.9896331.356336.711预测气象产量310.14538-112.22938253.0747829.28662-162.88778-643.8002-94.29462648.05478-513.8072331.64402-67.45382314.0478463.08082-83.2614341.57638-150.57978-136.89038295.7833817.19402-366.9526386.9278243.7114324.1666430.483-1073.8134131.672198.76602207.78802-12.13

53、882-503.55142-22.76118-288.21878-299.86842-63.8088预测单产3482.1183378.7454063.054158.2634285.0894123.1784991.6846053.0355210.1746374.6266145.9546532.8176687.2116146.236576.4286089.6336108.6846546.7186273.495894.7046653.9466316.096601.9076713.5845214.6496425.4956497.956512.3336297.7675811.7166297.867603

54、7.776031.4826272.902预测精度0.9347968810.9829094450.9770985380.9530422590.9699160750.9221043050.9425676070.9808303130.9007907680.9266791710.9912829320.9937520370.8401110940.9755920.9201042950.9629401040.9521015620.942762410.986552920.955433830.9794188560.9459473420.9611161160.936213080.8654466190.9636315240.9599571610.9653621430.8155271310.9047242470.8695007620.9406091630.9228092990.952170947最后我们带入2007年及2008年的气象资料，并计算预测结果，检验模型的精度：表4.7模型的精度预测单预测趋势产量预测气象产量6342.072247.153626589.2266347.433346.6146146694.048可以得出2007年的预测产量为6589.226，2008年的预测产量为6694.048，其精度分别