土地耕地需求量预测
- 格式:doc
- 大小:659.38 KB
- 文档页数:24
浅析耕地需求预测的相关方法[摘要] 目前,我国正处于工业化、城镇化快速发展的阶段,建设用地供需矛盾突出,耕地保护面临严峻的形势。
耕地需求预测为耕地保护提供了科学、合理、实用的预测数据。
本文对趋势分析法、指数平滑法、回归分析法、马尔柯夫链预测法、灰色模型五种预测模型从不同角度进行了分析。
[关键词] 耕地需求预测模型目前,我国正处于工业化、城镇化快速发展的阶段,建设用地供需矛盾突出,农用地特别是耕地保护面临严峻的形势。
土地利用总体规划规定了土地用途,严格限制农用地转为建设用地,控制用地总量,对耕地实行特别保护。
对耕地进行保护,多大面积的耕地保有量是合理的,这是一个重要的问题。
针对我国人口、地形、社会发展等现实情况,我们将耕地控制在怎样一个范围内,既不阻碍经济发展又能保障粮食安全,这是一个亟待解决的问题。
对耕地数量的预测是建立在科学、合理、实用的基础上的,因此我们引入了耕地需求预测模型。
经济预测的方法多种多样,耕地需求量预测模型的选择,要根据耕地的特殊性,及相关数据的采集情况来选择适用的模型。
现在主要介绍以下几种模型:趋势分析法、指数平滑法、回归分析法、马尔柯夫链预测法、灰色模型法。
趋势分析法又称时间序列预测法,是将历史资料和数据按时间顺序排列成一系列,根据时间时间顺序所反映的经济现象的发展过程、方向和趋势,将时间顺序外推或延伸,以预测经济现象未来可能达到的水平。
它是迄今为止研究最多,也较为常用的一种定量预测方法。
时间序列的趋势有确定性和非确定性两种,前者分为线性趋势模型和非线性趋势模型。
其中非线性趋势预测通常可以认为是由于某种固定因素作用同一方向所形成,主要有有多项式趋势模型、指数趋势模型、龚伯茨模型等几种形式。
趋势分析是一种确定的外推,在处理历史资料,拟合曲线,得到模拟曲线的过程都不考虑随机误差。
指数平滑是加权移动平均法的进一步发展和完善,它是由美国经济学家布朗于1959年在《库存管理的统计预测》一书中首先提出来的。
耕地需求量的预测方法一、规划目标年粮食总需求量预测1、根据消费水平设计、人口预测结果、工业发展水平确定规划目标年各类粮食的需求量 i Q =∑=nj j q 1 式中:i Q ——规划目标年某种粮食的总需求量(包括小麦、玉米、大豆、稻谷等) j q ——规划目标年i 种粮食j 种用途的需求量(包括:口粮、工业用粮、饲料用粮、种子粮、储备粮等)2、根据规划目标年各类粮食的需求量,确定规划目标年粮食的总需求量∑==mi i Q Q 1 式中:Q ——规划目标年粮食的总需求量;m ——粮食品种;i Q ——规划目标年某种粮食的总需求量二、计算粮食作物播种面积需求量1、根据历年粮食作物播种面积单产的统计资料,利用回归分析方法预测规划目标年的粮食作物播种面积单产y2、计算粮食作物播种面积需求量播S =yQ 式中: 播S ——规划目标年粮食作物播种面积需求量;Q ——规划目标年粮食的总需求量;y ——规划目标年的粮食作物播种面积单产三、规划目标年粮食作物耕地面积预测1、根据历年粮食作物复种指数统计资料,利用回归分析方法预测规划目标年的粮食作物复种指数p2、计算规划目标年粮食作物耕地面积 S=p 播S 式中:S ——规划目标年粮食作物耕地面积需求量;播S ——规划目标年粮食作物播种面积需求量;p ——规划目标年粮食作物复种指数(p =100 粮食作物耕地面积粮食作物播种面积% 四、规划目标年耕地需求量预测 1、根据历年经济作物所种总耕地面积的比例统计资料,利用回归分析方法预测规划目标年的经济作物所占比例g2、计算耕地的总需求量总S =g-1S 式中: 总S ——耕地的总需求量;S ——规划目标年粮食作物耕地面积需求量;g ——预测规划目标年的经济作物所占比例。
实验4 土地需求量预测实验学时:4学时实验类型:综合实验要求:选修1实验目的1)学习土地利用需求量预测的原则、内容等基本知识,了解土地需求量预测的意义,掌握土地需求量预测的步骤和方法;2)了解耕地需求预测的重要性和作用,掌握利用粮食安全法和人均耕地法预测耕地的需求量;3)了解建设用地需求预测的重要性和作用,掌握利用人均定额法、双因素预测法、GM (1,1)模型法等预测城镇建设用地和农村居民点用地的需求量。
2 基本理论2.1 相关定义土地需求量预测是在全面考虑生产与生活需要,分析社会经济条件优势,协调主导产业与基础产业关系基础上,根据土地生产率与人口增长等方面因素,对规划区范围内,各业用地面积在规划期内增减进行的测算。
借此掌握未来规划年度各类用地需求量和土地利用结构的变化趋势,为有计划、因地制宜的安排农业和非农业用地、加强土地利用科学管理和宏观控制、协调产业用地矛盾以及编制土地利用总体规划提供依据。
土地需求量预测包括农业用地和建设用地需求量预测。
农业用地需求量预测具体包括耕地、园地、林地、牧草地和水产用地需求量预测;建设用地需求量预测具体包括各类建设用地,如城乡居民点用地、独立工矿用地、交通运输用地、水利工程用地和特殊用地需求量预测。
土地需求量与人口规模、消费水平、经济发展水平、城镇化水平和作物产量等因素有着密切的联系。
相关土地需求量预测方法和分析参见附录3。
2.2 预测依据1)国家重点建设项目和基础设施建设项目用地规模预测的依据;2)城镇村及工矿建设用地、交通用地、水利建设等用地规模预测的依据。
包括规划区域经济社会发展规划、城镇建设总体规划、总人口和城市化发展预测、人均建设用地定额以及各类专项规划等;3)耕地、园地、林地和水产养殖用地的需求量预测依据。
包括区域国民经济发展战略目标的要求、非农建设占用耕地应补充的数量级土地适宜性评价结果等。
2.3 预测内容1)基础数据预测包括人口规模、消费水平、经济发展水平、城市化水平和作物单产等。
一、土地利用现状分析的内容(一)、社会经济发展情况(二)、土地利用历史变化趋势(三)、土地利用现状结构与布局(四)、土地开发利用程度与效益(五)、土地利用存在问题及开发利用潜力二、要求1、收集有关资料。
2、核实各类土地面积。
3、注意与有关专题研究的内容相协调、相衔接。
主要分析方法有动态分析法、对比分析法。
一、土地利用结构布局案例:根据1996 年土地利用变更调查数据汇总, 全省(广东省)土地总面积1797.52 万公顷, 其中,已利用土地1671.22 万公顷, 土地利用率为92.97%。
土地利用现状如下:1. 农用地全省耕地、园地、林地、牧草地、水面等农用地面积共1527.40 万公顷, 占全省土地总面积84.97%。
①耕地。
含灌溉水田、旱地和菜地等, 共327.22 万公顷, 占全省土地总面积的18.20%。
其中, 灌溉水田223.90 万公顷, 占耕地面积的68.42% ; 旱地86.51 万公顷, 占26.44% ; 菜地3.71 万公顷, 占1.14% ; 其它13.1 万公顷, 占4.0%。
②园地。
包括果园、桑园、茶园、热作园等, 共78.96 万公顷, 占土地总面积的439% 。
园地中以果园和热作园为主, 其中果园57.09 万公顷, 占园地面积的72.30% , 全省各地均有分布。
热作园11.47 万公顷, 占园地面积的14.53%, 主要分布在粤西的湛江和茂名两市。
桑园主要分布在西江和北江流域茶园主要在山区。
③林地。
林地是本省面积最大的用地类型, 主要分布在丘陵山区。
林业部门统计面积为1083.6 万公顷, 土地利用变更调查数据为1032.3 万公顷。
全省森林覆盖率为56.3%。
④专用牧草地。
共 2.83 万公顷, 占土地总面积的0.16%。
⑤水面。
包括淡水产养殖、水库、河流、湖泊、坑塘水面等共86.09 万公顷, 占土地总面积的 4.79%。
2. 建设用地全省居民点及工矿用地、交通用地、水利水工用地共143.82 万公顷, 占全省土地总面积的8.00%。
.《土地利用规划学》耕地需求量预测-----------基于回归分析法学院:资源与环境学院班级:2013009姓名:x学号:201300926指导老师:x目录一、趋势外推预测法: (2)1. 绘制时间序列散点图: (2)2. 由最小二乘法求参数: (2)3.进行耕地预测: (4)二、回归预测法: (4)(一)回归分析概述: (4)(二)一元线性回归: (4)1.绘制散点图: (4)2.最小二乘法估计参数: (5)3.回归方程及回归系数的检验: (6)1)拟合优度检验(R2) (6)2)相关系数显著性检验: (8)3)回归方程的显著性检验(F 检验) (9)4. 利用回归模型进行预测: (9) (10)(三)多元线性回归分析:1.建立回归模型: (10)2.最小二乘法估计参数: (11)3.多元线性回归模型的统计检验 (13)(1)拟合优度检验(可决系数与调整的可决系数) (13)(2) 方程的显著性检验(F检验) (15)(3) 变量的显著性检验(t检验) (16)三、总结: (18)耕地需求量预测根据下表进行该地2016年耕地需求量预测方法一:仅根据耕地面积变化趋势进行分析方法二:对耕地面积和人口做回归分析方法三:将耕地面积与人口、粮食产量及化肥施用量做回归分析(本方法不用计算耕地需求量,只列出方程并检验即可)以上三种方法在EXCEL或MATLAB软件中完成,要求步骤完整,排版清晰。
表1:基本资料一、趋势外推预测法:概念:规划区域或单位的耕地面积或建设用地面积的变化是在时间序列上展开的。
随着时间的推移,可以得到一系列依赖于时间的数据Y t=f(t)。
已时间为参数的数列称之为时间序列。
若假定变量的过去变动趋势外延到未来,从而得到预测值期的变量数值,这就是趋势预测法。
1.绘制时间序列散点图:由图可以看出:该地区历年耕地面积变化趋势呈递减趋势且年变化增减幅度大致相等,所以拟合方程为直线方程y=a+bx。
《土地利用规划学》耕地需求量预测-----------基于回归分析法学院:资源与环境学院班级:2013009姓名:x学号:201300926指导老师:x目录一、趋势外推预测法: (2)1. 绘制时间序列散点图: (2)2. 由最小二乘法求参数: (3)3.进行耕地预测: (5)二、回归预测法: (5)(一)回归分析概述: (5)(二)一元线性回归: (5)1.绘制散点图: (5)2.最小二乘法估计参数: (6)3.回归方程及回归系数的检验: (8)1)拟合优度检验(R2) (8)2)相关系数显著性检验: (9)3)回归方程的显著性检验(F 检验) (10)4. 利用回归模型进行预测: (11)(三)多元线性回归分析: (12)1.建立回归模型: (12)2.最小二乘法估计参数: (13)3.多元线性回归模型的统计检验 (16)(1)拟合优度检验(可决系数与调整的可决系数) (16)(2) 方程的显著性检验(F检验) (17)(3) 变量的显著性检验(t检验) (18)三、总结: (20)耕地需求量预测根据下表进行该地2016年耕地需求量预测方法一:仅根据耕地面积变化趋势进行分析方法二:对耕地面积和人口做回归分析方法三:将耕地面积与人口、粮食产量及化肥施用量做回归分析(本方法不用计算耕地需求量,只列出方程并检验即可)以上三种方法在EXCEL或MATLAB软件中完成,要求步骤完整,排版清晰。
表1:基本资料一、趋势外推预测法:概念:规划区域或单位的耕地面积或建设用地面积的变化是在时间序列上展开的。
随着时间的推移,可以得到一系列依赖于时间的数据Y t=f(t)。
已时间为参数的数列称之为时间序列。
若假定变量的过去变动趋势外延到未来,从而得到预测值期的变量数值,这就是趋势预测法。
1.绘制时间序列散点图:由图可以看出:该地区历年耕地面积变化趋势呈递减趋势且年变化增减幅度大致相等,所以拟合方程为直线方程y=a+bx 。
2.由最小二乘法求参数:◎由最小二乘法原理导出方程组:y na b xx y a x b xiiiiii∑∑∑∑∑=+=+2◎联解上面方程可得参数a 和b()()()b x y nx y xnx a y nbxnii iiiiii=--=-∑∑∑∑∑∑∑1122◎计算附表如下:年份x该地市耕地面积(ha )y x2xy19912847513964081 5669392411992 283422 3968064 564576624 1993 282474 3972049 562970682 1994 279647 3976036 557616118 1995 278546 3980025 555699270 1996 278936 3984016 556756256 1997 275374 3988009 549921878 1998 272198 3992004 543851604 1999 260484 3996001 520707516 2000 257416 4000000 514832000 2001 256471 4004001 513198471 2002 255503 4008004 511517006 2003 255910 4012009 512587730 2004 254872 4016016 510763488 2005 253690 4020025 508648450 2006 251479 4024036 504466874 2007 252465 4028049 506697255 2008 250175 4032064 502351400 2009 244610 4036081 491421490 2010 243540 4040100 489515400 2011 241587 4044121 485831457 2012 240116 4048144 483113392求和 44033 5753666 88132935 1.151E+10根据公式1可得:⎩⎨⎧==-2234.784734441b a →x y 78.22344734441-= ◎进行耕地预测:根据方程2016年的耕地面积为ha)(229126201678.22344734441=⨯-=y二、回归预测法: (一)回归分析概述:回归分析是借助数学模型对客观世界所存在的事物间的不确定关系的一种数量化描写,即通过一个或几个变量的变化去解释另一变量的变化。
它的目的是在于对相关随机变量进行估计、预测和控制,确定变这些量之间数量关系的可能形式,并用一个数学模型来表示。
◎回归分析的分类:⎪⎪⎩⎪⎪⎨⎧⎩⎨⎧⎩⎨⎧非线性回归线性回归按方程式特征分类多元回归简单回归按自变量个数分类回归分析 (二)一元线性回归: 1.绘制散点图:◎由图我们可以看出:随着该地区人口的增加,耕地面积变化趋势呈递减趋势,且增加幅度大致相等,所以拟以直线方程y=a+bx 。
2.最小二乘法估计参数:◎最小二乘法原理是要使残差平方和为最小,即:()()Q y yy a bx i i ni i i n=-=--==∑∑ 1212◎要使Q 最小,可由极值原理得:()()∂∂∂∂Qa y a bx Qb y a bx x i i i i i =---==---=∑∑2020◎所以可以导出方程组:y na b xx y a x b xiiiiii∑∑∑∑∑=+=+2◎两个方程联立求解可得回归方程的参数:()()()b x y nx y xnx a y nbxnii iiiiii=--=-∑∑∑∑∑∑∑1122◎根据公式求出方程:y = -460.71x + 492931◎用excel高级分析进行回归分析可得如下几表:表(1)回归统计表回归统计Multiple R0.97407693R Square0.94882587Adjusted R Square 0.94626716标准误差3460.07955观测值22表(2)方差分析表方差分析df SS MS FSignificanceF回归分析 1 4.44E+09 4.44E+09 370.8225 2.22E-14 残差20 2.39E+08 11972150总计21 4.68E+09表(3)回归参数表回归参数表Coefficients标准误差 t StatP-valueLower95%Upper95%下限95.0%上限95.0%Intercept 492931.47 12039.25 40.94371 9.19E-21 467818 518044.9 467818 518044.9 X Variable1-460.70827 23.92451 -19.2568 2.22E-14 -510.614 -410.803 -510.614 -410.8033.回归方程及回归系数的检验:1)拟合优度检验(R 2)◎拟合优度检验是对样本回归直线与样本观测值之间拟合程度的检验。
◎度量拟合优度的指标:可决系数R 2由图可知:∑∑∑===-+-=-ni in i i ni i y y y y y y 121212)ˆ()ˆ()( 即: 总离差平方和 = 回归平方和 + 残差(剩余)平方和◎如果实际观测点离样本回归线越近,则回归平方和在总平方和i中占的比重越大,因此拟合优度等于回归平方和/Y 的总离差:9488.0)ˆ()ˆ(222=--==∑∑iii Y Y Y Y R 总离差平方和回归平方和称R 2为可决系数。
可决系数的取值范围:[0,1] ,R2越接近1,说明实际观测点离样本线越近,拟合优度越高。
R 2≥0.8说明拟合得很好。
8.09488.02≥=R所以该回归方程拟合程度很好.◎此外拟合优度测定还可用标准误差来估计1()ˆ2e ---=∑k n yy S iiSe表示根据所建立的回归方程,用自变量来预测因变量时,平均预测误差的大小;故S e 越小越好,越小说明波动性越小。
2)相关系数显著性检验: (1)提出假设;0:0=b H(2)根据公式计算R 的值得9741.0)()())((12121=-⋅---=∑∑∑===ni i ni ini i iy y x xy y x xR(3)查R 表得临界值423.0)2( =-n R α相关系数显著性检验表(4)若)2(->n R R α则应该拒绝原假设,否则接受。
◎这里显然R=0.9741>0.423,所以拒绝原假设,相关系数具有很高显著性,即两者具有很强线性相关性。
3)回归方程的显著性检验(F 检验)(1)提出假设:H 0:b=0 (2)在H 0成立时,统计量F 为:)2,1(~)2()ˆ()ˆ(1212,----=∑∑==n F n yyy y F ni i i ni i由给定的显著水平α,查F 分布表得临界值λ; ◎查表可得35.4=λ (3)根据公式计算F 的值8225.370)2()ˆ()ˆ(1212=---=∑∑==n yy y yF ni ii ni i(4)比较λ与F 的值,若λ>F ,则否定H 0,即认为x 、Y 之间存在线性相关关系;若不能否定H0,则没有理由认为x 、Y 之间存在线性相关关系.◎这里显然F=370.8225远大于λ=4.35,所以否定原假设,说明回归方程具有很高显著性,x 、Y 之间存在很强的线性相关关系。
4.利用回归模型进行预测:1.利用趋势外推法确定2016年的人口数量求得拟合方程为:y = 4.8312x - 9167.3所以可得2016年的人口为:(万人)5729167.3-20164.8312≈⨯=y2.根据耕地与人口的回归方程可得: 2016年的耕地面积为:a)229404.9(h 492931 + 572-460.71=⨯=y(三)多元线性回归分析: 1.建立回归模型:假设随机变量y 与p 个自变量之间存在着线性相关关系,假定回归方程如下:)......,(21n x x x f y =2.最小二乘法估计参数:建立多元线性回归方程,实际上是对多元线性模型进行估计,寻求估计参数的过程。
与一元线性回归分析相同,其基本思想是根据最小二乘原理,求解使全部观测值与回归值的残差平方和达到最小值。
由于残差平方和是的非负二次式,所以它的最小值一定存在。
根据极值原理,当Q取得极值时,应满足由上式,即满足上式称为正规方程组。
它可以化为以下形式◎利用克拉默法则进行求解:对于n 个变量、n 个方程的线性方程组11112211211222221122n n n n n n nn n na x a x a xb a x a x a x b a x a x a x b +++=⎧⎪+++=⎪⎨⎪⎪+++=⎩如果它的系数行列式0D ≠,则该方程组有唯一解, 1,2,,j j D x j nD== nmn na a a a D ...............1111=其中j D (1,2,,j n =)是将行列式D 中第j 列的元素换成 方程组右端的常数项所得到的n 阶行列式,即111,111,111,1,1j j nj n n j nn j nna ab a a D a a b a a -+-+=所以: D D 00=β D D 11=β D D 22=β DD 33=β根据克拉默法则可得多元回归方程为:32100.221992.26318.30821.609781x x x y +--=◎用excel高级分析里面的回归分析对本题进行计算可得如下几表:回归统计Multiple R 0.980033844R Square 0.960466335Adjusted R Square 0.953877391标准误差3205.701822观测值22方差分析df SS MS FSignificanceF回归分析 3 4.49E+09 1.5E+09 145.7694 8.16E-13 残差18 1.85E+08 10276524总计21 4.68E+09回归参数表Coefficients 标准误差t Stat P-valueLower95% Upper95%下限95.0%上限95.0%Intercept609781.213456203.33 10.84956 2.51E-09 491702.4 727860 491702.4 727860 X Variable -308.176370138.0734 -2.23197 0.038565 -598.258 -18.0949 -598.258 -18.0949x yβα+=ˆ1 2X Variable 2-263.9174591134.17-1.96704 0.064788 -545.798 17.96333 -545.798 17.96333X Variable 32218.9995382129.259 1.042147 0.31114-2254.41 6692.406 -2254.41 6692.4063.多元线性回归模型的统计检验(1)拟合优度检验(可决系数与调整的可决系数)◎总离差平方和的分解(同一元线性回归分析)由图可知:∑∑∑===-+-=-ni in i i ni i y y y y y y 121212)ˆ()ˆ()( 即: 总离差平方和 = 回归平方和 + 残差(剩余)平方和oyiy ix yy i -i i yy ˆ-y yi -ˆY◎可决系数:TSSRSSTSSESS R -==12该统计量越接近于1,模型的拟合优度越高。