重庆市农牧渔业总产值及其构成的灰色系统分析

代瑶

（天津财经大学，天津 300000）

1 引言

作为一个农业大国，我国对农业等一些产业方面的事宜相当重视。1982年，我国成立了农牧渔业部，这表明农牧渔业开始良性发展并且需要一个特定部门来进行管理。随后在1987年又创立了“全国农牧渔业丰收奖”，以此来鼓励在农业技术推广活动活动中做出突出贡献的集体和个人，旨在调动广大农业科技人员的积极性和创造性。据统计数据，2014年中国农林牧渔业产值占GDP总额比重达到了9.45%，在GDP总额中占将近1/10。以上的资料及数据都说明了农林牧渔业这些年来的良性发展及取得了一个较好成果。农牧渔业发展的统计数据，是一个巨大的经济系统发展演化的历史轨迹的一个方面，它蕴含着我国农牧渔业运行规律的某些客观形式。利用重庆市农牧渔业发展的统计数据，借助灰色系统软件进行灰色系统分析，得出我国农牧渔业发展演化规律，是一个有意义的工作。所以，本文选取了重庆市2003--2014年农林牧渔业总产值及其构成来进行一系列分析，得出预测值并以此来分析未来农林牧渔业的发展趋势，预测得到未来10年的发展呈增长趋势，但这并不代表未来多年农林牧渔业的总体发展趋势，未来会在某一个时期达到一个平稳状态，那个时候就应该综合所有影响因素来进行分析预测，重新制定发展方案。文中将会用灰色系统中的灰色关联分析以及GM（1，N）模型来建立模型并对模型进行分析，最后运用GM（1，1）模型进行预测得出发展趋势。

2 研究方法

灰色系统关联度数学模型是系统分析的一个重要方法，它是两个系统或系统内的各因素随时间变化时，其变化方向和速度的关联程度，在系统发展过程中，哪些因素是主要影响因子，可以用关联度的排序来分析，关联度大的表明该因素是影响系统发展主要影响因子，关联度小的说明系统发展不受或少受此因素的影响。

3 实证分析及结论

数据摘自《重庆统计年鉴2015》。本文选取重庆市2003--2014年农林牧渔业总产值及农业、林业、牧业、渔业、农林牧渔服务业的年产值，进行灰色系统分析。先进行邓氏关联度分析，得出五个产业哪一个与农林牧渔业总产值的相关度最大；再利用GM（1，N）模型进行模拟，对模型进行分析；最后利用原始差分GM（1，1）模型、均值GM（1，1）模型、均值差分GM（1，1）模型及离散GM（1，1）模型对数据进行分析，并比较其精度，采取精度最高，即最优的模型来对数据进行分析并预测。

3.1 邓氏关联度分析

进行邓氏关联度分析得到：农业（X1）、林业（X2）、牧业（X3）、渔业（X4）、农林牧渔服务业（X5）与农林牧渔业总产值（X0）的邓氏关联度如下：

γ（X0，X1）=0.7755，γ（X0，X2）=0.7566，γ（X0，X3）=0.7299，γ（X0，X4）=0.5582，γ（X0，X5）=0.6093

其中农业与农林牧渔业总产值的关联度最大，林业、牧业关联度次之，农林牧渔服务业、渔业关联度较小。

3.2 GM（1，N）模型分析

通过GM（1，N）模型分析得到，除了2004和2005两年的实际值与模拟值相差较大以外，其余数据的实际值与模拟值几乎相等，且数据的准确性逐年递增。平均相对误差=2.754%，说明GM（1，N）模型的模拟精度足够高，模型拟合程度好。

3.3 模型预测

利用GM（1，1）模型对2015--2024年这10年间的农林牧渔业总产值、农业、林业、牧业、渔业、农林牧渔服务业的产值进行预测。分别利用原始差分GM（1，1）模型、均值GM（1，1）模型、均值差分GM（1，1）模型及离散GM（1，1）模型对数据进行分析，并比较其精度，采取最优的模型来对数据进行分析并预测。在分析过程中发现，林业、牧业、渔业的数据中均存在异常值导致模型的相对误差较大（误差超过或很接近10%）。将数据中的异常值去除后，再利用原始差分GM（1，1）模型、均值GM（1，1）模型、均值差分GM（1，1）模型及离散GM（1，1）模型对数据进行分析，并比较其精度，采取最优的模型来对数据进行分析并预测。

得到预测结果如下表所示：

年份预测值农林牧渔业总产值 农业 林业2015 18548050.135 11478943.110 652898.091 2016 20723328.340 12970303.379 760048.160 2017 23153718.819 14655423.250 884783.115 2018 25869140.630 16559476.240 1029988.888 2019 28903021.678 18710906.445 1199025.041 2020 32292710.225 21141853.458 1395802.483 2021 36079934.661 23888632.491 1624873.965 2022 40311317.200 26992276.879 1891539.409 2023 45038947.817 30499151.067 2201968.528 2024 50321025.492 34461643.231 2563343.580牧业 渔业 农林牧渔服务业5794529.510 754054.133 235964.779 6405282.391 905129.592 260053.320 7080409.625 1086473.163 286600.947 7826696.372 1304149.089 315858.697 8651642.962 1565436.594 348103.235 9563540.272 1879073.297 383639.466 10571553.048 2255547.411 422803.425 11685812.018 2707448.470 465965.449 12917515.705 3249888.333 513533.683 14279042.974 3901006.537 565957.935

在得到2015-2024年农业、林业、牧业、渔业、及农林牧渔服务业的年产值预测值之后，得到农林牧渔及其服务业年产值总合，并与农林牧渔业总产值的预测值进行比较，发现误差控制在合理范围内，可以认为预测合理。

农林牧渔及其服务业年产值总合与农林牧渔业总产值的预测值的比较表格如下：

年份 预测值农林牧渔业总产值 农林牧渔及其服务业年产值总合2015 18548050.135 18916389.62 2016 20723328.340 21300816.84 2017 23153718.819 23993690.1 2018 25869140.630 27036169.29 2019 28903021.678 30475114.28 2020 32292710.225 34363908.98 2021 36079934.661 38763410.34 2022 40311317.200 43743042.23 2023 45038947.817 49382057.32 2024 50321025.492 55770994.26

从上表中，农林牧渔业总产值是由2015--2024年农业、林业、牧业、渔业、及农林牧渔服务业的年产值预测值之和组成的，农林牧渔及其服务业年产值总合则是直接由软件得出的数据。比较两者的数值发现两者之间存在误差，但是误差控制在合理范围内，可以认为模型合理且在未来10年内农林牧渔业总产值及其构成呈增长趋势。

3.4 结论

在对数据进行邓氏关联度分析时发现，农业与农林牧渔业总产值的关联度最大，林业、牧业关联度次之，农林牧渔服务业、渔业关联度较小；在对模型进行GM（1，N）模型分析时发现数据的误差不大，模型拟合程度好；最后利用GM（1，1）模型对模型进行预测，得到未来10年的预测数据，将预测得到的数据进行一系列分析得到：农业、林业、牧业、渔业、及农林牧渔服务业一直以来呈增长趋势，在未来10年也一直呈增长趋势，但是其中出现了数据上下波动的情况，可以由各种自然灾害等一系列原因来合理解释。但未来10年的发展趋势并不代表未来多年农林牧渔业的总体发展趋势，未来会在某一个时期达到一个平稳状态，那个时候就应该综合所有影响因素来进行分析预测，重新制定发展方案。