河北省食用菌产量预测分析

刘思言 白丽 刘晓东

[摘要]随着人们消费观念和膳食结构的改变，食用菌需要量大大增加，未来食用菌产量走向关乎着企业的资金投入以及政府政策制定。以河北省食用菌产量为预测研究数据，设计了灰色GM（1，1）模型，对模型预测精度进行残差、后残差检验，借助matlab平台验证模型具有较高的预测精度。运算结果表明，设计的模型精度能控制在2.82%以内，并且具有收敛速度快的特点，具有较高精度，运用此方法对未来5年河北省食用菌产量进行预测，通过分析预测结果，给出了确保河北省食用菌产量稳固增长、产业稳定发展的对策建议。

[关键词]灰色GM（1，1）模型;食用菌产量;预测

[中图分类号]F326.13[文献标识码]A

随着中国城乡居民收入的不断增长，购买力不断提升，人们的消费理念也在转变，更加关注于食品的质量安全、营养以及保健功能。食用菌作为世界卫生组织和粮农组织推荐的“一荤一素一菌”的三大人类健康膳食结构的组成部分，消费量日益增长，并且随着速冻、冷冻、休闲和保健品加工业对食用菌需求旺盛，市场空间还将继续扩大。食用菌作为产业扶贫的重点扶持项目，其生产关乎到了脱贫致富和乡村振兴，准确的预测食用菌产量有利于合理的调整农业结构，优化配置农业资源，促进农业经济的健康发展。本文以河北省食用菌产业为例，对其产量基于灰色GM（1，1）模型进行预测并分析。

目前应用于农业经济管理研究领域的预测方法有：神经网络预测、多元回归模型预测、时间序列预测、马尔科夫模型、灰色预测模型等。时间序列预测方法适用于预测短期时间，数据比较平滑的预测，（陈兴，2007）运用时间序列方法预测了北京和云南食用菌产量以及产值;马尔科夫模型更适用于中短期预测，（尹邦华，2019）运用马尔科夫模型建立等维新陈代谢的改进无偏灰色马尔科夫模型对湖南省粮食产量进行预测;相比其他预测方法来说，灰色系统理论在实际应用上都有一定的优势，弱化了数据序列的随机性，深入挖掘系统的演化规律，使模型所需要的原始信息量减少，计算过程得以简化，从而提高了预测精度，专家学者也多有采用（杨立凡，2017）根据1999～2015年的粮食生产相关数据，运用GM（1，1）模型对云南省2020年的粮食产量数据进行预测，与本文研究类型以及数据相符，因此本文采用此模型对未来河北省食用菌产量进行预测。

1 河北省食用菌产业发展现状

从规模总量来看，2009年河北省食用菌种植面积仅有1.54万hm2，到2018年河北省食用菌种植面积达2.21万hm2，增长了1.44倍;2009年河北省食用菌总产量为190.71万t，2018年增加到302万t，增长了1.58倍;2000年河北省食用菌总产值为100.39亿元，2018年增加到228亿元，增长了2.27倍。从全国排名来看，2009～2018年河北省食用菌产量排名位居第4～6位。其中，白灵菇产量居全国第一，香菇和平菇产量均居全国第二。河北省食用菌年产值超过亿元的县有26个，占农业种植业产值的比重超过5%，成为典型的支柱产业，河北省食用菌产业越做越强，生产保持较快势头发展，也成为河北省农业供给侧结构性改革的亮点，对未来产量进行预测，加强对产业转型升级的规划势在必行。

2 灰色GM（1，1）预测模型

2.1 模型的内含及适用范围

GM（1，1）灰色预测是一种对含有不确定因素的系统进行预测的方法，通過对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。

2.2 模型预测精度检验

2.2.1 残差检验。残差检验精度等级通过平均相对误差值q的大小进行划分，平均相对误差越小，则该模型的精度越大，平均相对误差值q的计算公式如下：

q=（k=1，2，3，...n）（4）

2.2.2 后验差检验。首先计算原始数据的均方差S1，残差的均方差S2，后验差比值C=S2/S1;相对残差E（k）=（X（0）（k）-（0）（k））/X（0）（k）;相对残差均值（k=1，2，3...n），则小误差概率P=p{|E（k）-PE|<0.6745*S1}。对于小误差概率P越大越好，大于0.95，说明预测精度很高，P≤0.70则不合格（模型精度不达标），模型需要进一步修正;后验差比值c越小越好，如果c≥0.65则模型检验不达标。当检验检验达到标准后，方可GM（1，1）模型进行预测。GM（1，1）灰色预测后残差检验精度等级标准见表2。

3 灰色GM（1，1）模型建立

3.1 数据来源

本文的数据来源于河北省农业厅环境保护站，收集了从2009-2018年连续10年河北省年度食用菌产量数据，该数据处于单调递增趋势（见表3）。

3.2 模型建立

3.2.1 原始数据平滑性检验。级比R[k]=x[k-1]/x[k]（k=2，3...n），级比有效范围（e（-2/n+1），e2/n+1）），即（0.83381.1994），经过计算级比：（1.0071，0.9113，0.9891，1.0019，0.9117，0.8492，0.9806，0.9462，0.9665），级比条件满足建立GM（1，1）灰色模型的条件。

3.2.2 做一次累加生成（AGO）。

3.3 误差检验

3.3.1 残差检验。平均相对误差q：0.0282，评价：二级，精度较高。

3.3.2 后验差检验。原始数据的均方差S1=43.0714，残差的均方差S2=9.0165，后验差比值C（S2/S1）=0.2093;小误差概率P=1.0000。对于小误差概率p越大越好，大于0.95，说明预测精度很高;后验差比值c越小越好，经过检验本模型达到标准，可用GM（1，1）模型进行预测。C=0.2093P=1.0000相对误差=0.0282模型精度很高I级。

4 灰色GM（1，1）模型预测及结果分析

4.1 预测应用

基于拟合模型GM（1，1）式：得到2019～2023年的河北省食用菌产量预测值分别是326.96万t，347.85万t，370.08万t，393.72万t，418.88万t（见表5），呈稳定增长态势。

4.2 结果分析

通过GM（1，1）灰色预测了解到河北省食用菌产量未来呈稳定增长态势，并于实际值对比具有较高的拟合度，也有大量的研究指出食用菌需求量将不断增加，因此未来食用菌产业发展势头良好。

5 讨论与对策建议

产量预测受自然环境、气候条件、社会经济以及其他不确定因素的影响。对产量稳步增长也有很多不乐观因素。具体为环保压力不断增大，企业经营步履维艰;市场波动较大，各种灾害频发;原料和人工成本上涨，利润下滑严重。为规避可能发生的不乐观因素，保障其产业健康稳定發展，对其进行讨论并提出对策建议。

5.1 讨论

河北省食用菌产量未来总体呈现稳定快速增长，从供给角度分析河北省食用菌产业基础雄厚，河北省具有得天独厚的发展食用菌资源禀赋，无论在地理位置、自然资源、以及市场需求上都拥有比较优势;食用菌产业在河北省属于重点扶贫项目，70%的山区采用食用菌产业进行扶贫，因此在脱贫攻坚战的冲刺阶段，河北省食用菌产量将呈现快速稳定增长趋势;河北省食用菌相比大田类的蔬菜产业具有较高的经济效益，食用菌的种植能够实现水资源的循环利用，加强对荒田、荒地的利用，因此具有较高的经济效益，未来产量将快速稳定增长。

从消费角度来看，消费者对食用菌的营养价值和保健功效了解程度偏低，由于河北省食用菌发展历史较短，在近些年食用菌才开始大规模的走进市场和消费者的生活，所以河北省消费者对食用菌的认知了解有待提高;河北省食用菌平均价格相比全国平均价格较低，没有竞争优势，除平泉香菇外几乎无定价权;消费者对于品牌重视程度不高，对品牌效应认识不足，导使食用菌生产经营者对品牌重视程度不高。

5.2 对策建议

随着人民生活水平的提高，不仅仅是对食用菌的需求有所增加，对其产品质量及品牌都有所要求，因此在产业发展中，应提高产出效率来应对生产成本上升问题;提高产品质量以及食用菌科技成果转化率来规避市场风险。创新科技引领产业发展方向;对制种、制棒、栽培等关键技术进行指导，提高科技成果转化效率，促进菇农增产增收。提高食用菌科技成果转化率，提高菇农生产技术水平，提高食用菌生产科技含量，实现化解食用菌产业技术风险和部分自然风险的目标。推动食用菌产业精深加工，开发高档精深食用菌加工产品;注重产品品质，以产品品质为基础，挖掘食用菌品牌文化，确定产品核心价值、卖点定位、名称定位、品牌标识定位，从而制定品牌运营战略。

在种植规模上，对发展趋势好的黑木耳、羊肚菌选择条件好的地区逐步扩大生产规模，对下降趋势明显的平菇、金针菇加快研发新品种，研究创新销售渠道和模式，优化食用菌产业结构，变食用菌产业的高速增长为高质量发展，创新食用菌产业供给，用新动能推动新发展，如促进产业三产融合，发掘食用菌文化底蕴，建设精品菌文化产业园和旅游观光采摘基地。在组织模式上加以创新，大力发展“产业园区+生产龙头+加工龙头+销售龙头+农户”的产业一体化经营模式，不断创新主体间利益联结机制，鼓励支持生产龙头通过“非市场安排”加强与农户联结，在生产经营上实现“六统一分”，强化生产龙头、加工龙头与销售龙头之间的兼并或股权联结，形成紧密的利益共同体，构建稳定优质的食用菌链条，稳定价格，提高市场话语权。各经营主体间要建立紧密的利益联结机制，共同应对自然、技术和市场风险，实现抱团式发展、互利共赢，防控各类市场风险。

[参考文献]

[1] 陈兴.北京和云南食用菌产量和产值模型及预测分析[J].中国食用菌，2007，26（5）.

[2] 尹邦华.改进灰色马尔可夫模型在湖南省粮食产量预测中的研究[J].南华大学学报，2019，33（01）.

[3] 杨立凡.基于灰色理论的云南省粮食产量预测[J].农业工程，2017（11）.

[4] 苏博.GM（1，N）灰色系统与BP神经网络方法的粮食产量预测比较研究[J].中国农业大学学报，2006（8）.

[5] 黄彭，郝妙.基于GM（1，1）模型的四川粮食产量预测研究[J].农学学报，2017（10）.

[6] 姚宏军.基于灰色理论系统的黄/红麻产量预测研究[D].福建农林大学，2014（4）.

[7] 白丽，张润清，赵邦宏.农户参与不同产业化组织模式的行为决策分析——以河北省食用菌种植户为例[J].农业技术经济，2015（12）.

[8] 田垠.基于灰色神经网络的城乡居民收入差距预测[J].电子商务，2019（04）.