生猪年末存栏量和猪肉价格的预测模型
2023年下半年国内生猪市场发展趋势分析模板

"生猪市场前景分析:掌握市场动态,决胜未来商机"
REPORT-Andre 2023/9/6
目录
生猪需求回升,市场发展向好 生猪养殖技术升级,提高产能 效率
2023年下半年生猪价格稳定,有利 可图
01
生猪需求回升,市场发展向好
The demand for live pigs has rebounded, and the market is developing well
饲料配方优化,降低养殖成本
在实际操作中,养殖户可以通过多种途径来优化饲料成本。首先,养殖户可以通过优化饲料配方来提高饲 料的利用率。不同的动物对饲料的要求是不同的,因此合理调整饲料中各种营养成分的含量,可以满足动 物生长发育的需要,避免浪费。此外,还可以根据动物的生长周期和不同阶段的需求,进行精细化的饲料 配方,提高饲料的利用效果。
2. 疾病防控技术突破:蓝耳病等传染病一直是困扰生猪 养殖业的一大问题。然而,2022年下半年,预计国内养 殖场将在疾病防控方面取得重大突破。据相关机构预测, 新一代疾病防控技术的应用将使得生猪疫情发生率下降 20%,养殖场损失减少10%以上。这将有助于稳定生猪 市场,提高肉类供应稳定性。
3. 环境友好型养殖模式推广:在2022年下半年,国内将 进一步推广环境友好型养殖模式。根据的数据显示,生 态养殖场的数量预计将增加30%。这些养殖场采用可再 生能源、粪污处理技术以及有机饲料等措施,有效减少
养殖户如何优化饲料成本
另外,养殖户还可以采用一些技术手段来优化饲料成本。例如,通过加工和处理饲料,提高其可消化性和 可利用性,降低饲料的损失。同时,也可以使用一些替代饲料,如利用农副产品和剩余物料来代替部分主 要饲料,降低养殖的成本。
基于多元线性回归模型的2020年猪肉价格走势的分析预测

基于多元线性回归模型的2020年***市猪肉价格走势分析预测黄驯骅由于2018年下半年非洲猪瘟疫情影响,我市生猪存栏量持续下滑,特别是能繁殖母猪存栏量降幅较大,导致了我市2019年下半年的猪肉供应明显偏紧,猪肉价格大幅上涨。
在此,通过对2017年至2019年生猪相关统计数据观察分析,发现我市猪肉价格波动的主要原因不是作为猪饲料主要原料的玉米、豆粕和小麦麸,因为其价格这三年来涨幅一直较低,主要还是在于能繁殖母猪存栏量和仔猪价格的变动。
基于此,可以通过多元线性回归分析模型对2020年我市的猪肉价格走势作出大致的分析预测。
一、近三年生猪生产及价格相关数据为反映近期我市猪肉价格波动的主要内生动力,现将近三年来生猪存栏、存栏及价格数据整理如下:从上表可以看出,仔猪价格对后期生猪存栏量具有一定影响,特别是对能繁殖母猪补栏存在显著影响,因为当仔猪价格持续上涨时,养殖行业对未来猪肉行情保持较为乐观的预期,增加能繁殖母猪存栏量的意愿不断增强,当仔猪价格持续下降时,养殖行业对未来猪肉行情逐渐看空,必定会减少能繁殖母猪的数量以减少其养殖成本,因此仔猪价格和能繁殖母猪存栏量是监测未来一段时期生猪价格的重要前瞻指标。
由于能繁殖母猪是养猪生产力最核心因素,按照生猪生产规律,从母猪怀孕、仔猪出生,到育肥猪出栏需约11个月左右,基于此进行观察,发现仔猪价格变动影响到能繁殖母猪存栏量的增减大约要经过5个月左右的时间,而能繁殖母猪存栏量的增减大约经过11个月左右的时间对次年同期猪肉价格形成影响,并呈现出负相关性,具体走势如下图:除了以上仔猪价格和能繁殖母猪存栏量对次年生猪价格的影响较为明显外,当期生猪出栏量和生猪补栏量也对次年生猪价格存在明显影响。
二、多元线性回归模型的建立0.010.020.030.040.050.060.00.05.010.015.020.025.030.035.040.0图1:仔猪价格与次年猪肉价格走势102030405060510152025303540图2:能繁殖母猪存栏量与次年猪肉价格走势能繁殖的母畜猪肉价格仔猪价格(元/公斤) 白条猪肉价格 (元/公斤)白条猪肉价格(元/公斤) 能繁殖母猪存栏数 (万头)1.模型变量的选取被解释变量:全市平均白条猪肉价格Y;解释变量选择:能繁殖母猪存栏量占生猪存栏量的比重X1,当季生猪补栏量占生猪存栏量的比重X2,本地仔猪价格X3。
2023年底全国生猪价格市场行情分析模板

此外,受新冠疫情影响,进口肉品受到严格限制,国内生猪肉市场供应不足,价格上涨加剧。因此,是促使2022 年底全国生猪价格市场行情上涨的关键因素之一。
供应恢复稳定
价格逐渐上涨
1.生猪存栏减少,非洲猪瘟导致供应减少
供应减少:由于非洲猪瘟疫情的持续影响,全国生猪存栏量相对减少。据统计,2022年底全国生猪存栏量为 XX万头,较去年同期减少了XX%。与此同时,疫情的影响还导致直供市场生猪数量减少,加大了生猪市场 的供求缺口。
影响因素分析
1.2022年底生猪存栏量预计增长5%左右
2022年初,全国生猪存栏量为3.8亿头,同比增长4%。随着疫情防控措施的加强和养殖规模化程度的提高,2022年底 全国生猪存栏量预计将达到4亿头左右,相比于2022年初增长5%左右。生猪存栏量的增加将对生猪供应量产生积极影 响,从而对价格产生一定的压力。
生猪价格稳定有助于提升养殖户收益和保障市场供应
生猪出栏量和屠宰量保持相对稳定,在市场需求的推动下,其增幅分别为XX%和XX%。 通过实施一系列政策措施,促进生猪生产,加强疫病防控,提高养殖效益,推动养殖户稳定增产。与此同时,消费者对于优质猪肉的需求也不断增长,使得市场供需双方达到相对平衡,生猪价格得以稳定维持在合理水平。 生猪价格的稳定不仅有助于提升养殖户的收益,还能够保障市场供应的稳定性,并稳定居民的生活消费。维持生猪价格的稳定将使得养殖业的发展更加可持续,有助于实现农业农村现代化的目标。
请根据具体情况进行数据调整和填充。
价格逐步攀升
生猪产业回暖
1. 2022年底全国生猪存栏量预计达到XX头,相比去年同期增长了XX%。这主要得益于国家对生猪养殖行业的扶持政策的逐步落实以及养猪户加大 养殖规模。 2. 随着生猪存栏量的逐渐恢复,“肉联依法市”平台上的养猪交易量持续增长。2022年全年,平台交易总额预计达到XX亿元,同比增长XX%。这 表明生猪交易已经从散户市场向电商平台转移,提升了市场交易的透明度和规模。
猪肉市场预测的数学模型

承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。
如有违反竞赛规则的行为,我们将受到严肃处理。
我们参赛选择的题号是(从A/B/C/D中选择一项填写):我们的参赛报名号为(如果赛区设置报名号的话):所属学校(请填写完整的全名):参赛队员(打印并签名):1.2.3.指导教师或指导教师组负责人(打印并签名):日期: 2010 年 9 月 12 日赛区评阅编号(由赛区组委会评阅前进行编号):编号专用页赛区评阅编号(由赛区组委会评阅前进行编号):全国统一编号(由赛区组委会送交全国前编号):全国评阅编号(由全国组委会评阅前进行编号):猪肉市场预测的数学模型摘要本文研究生猪存栏量,猪肉价格预测的问题,通过题目中的已知条件和要求,借助合理的假设,建立了两个数学模型。
其中,模型一是利用灰色系统预测模型,即进行关联分析,对原始数据进行生成处理来寻找系统变动的规律;模型二我们构造了模拟函数,通过最小二乘法确定参数,预测出2010年我国36个大中城市猪肉价格。
问题一,对于生猪年末存储量的预测中,由于1985年取消生猪派购、放开肉类市场生猪价格的大起大落导致了养殖效益的跌宕起伏,因此我们不考虑1985年以前的数据。
我们采用了灰色系统理论中的GM(1,1)预测模型,选取1985年到2009年的25组数据进行预测,得出平均残差3.51%,符合预测标准。
我们通过GM(1,1)预测出2010年生猪年末存栏量的数值为47403万头。
问题二,对于2010年我国36个大中城市猪肉价格的预测中,通过对数据的分析,我们构造的模拟函数包括表示初始价格的常数、表示总体波动的周期为4年的正弦函数和表示众多繁杂因素影响的傅里叶级数(出于计算考虑取级数前50项)。
2023年生猪价格变动分析及预测报告模板

首先,饲料价格是影响生猪价格的重要因素之一。饲料成本直接决定了生猪的生长 成本,而这个成本又直接影响了生猪的价格。如果饲料价格上涨,生猪的生长成本 也会随之增加,这将导致生猪价格的上涨。
生猪价格受疾病影响
其次,疾病也是影响生猪价格的重要因素之一。生猪在生长过程中,可能会感染疾 病,这会导致生猪的死亡率增加,从而影响生猪的数量。而生猪数量的减少,将会 导致生猪价格的上涨。
预测生猪价格继续上涨,饲料成本上升,生猪供应减少
预测未来几个月生猪价格将继续上涨。主要原因是,饲料成本(如玉米和大豆价格)预计将继续上升,而由于COVID-19疫 情的影响,生猪的生产和运输可能会受到进一步的限制。此外,生猪供应量的减少可能会加剧价格上涨。
尽管短期内生猪价格受压,但长期来看需求稳定,预计生猪价 格将呈上升趋势
生猪价格变动分析
一、生猪价格变动概述
根据国家统计局数据显示,2022年我国生猪价 格呈现了较大的波动。从年初的每公斤19.8元, 降至年末的每公斤11.6元,全年平均价格为 16.3元,同比下降39.4%。这种价格变动不仅 影响了养殖业的收益,也影响了消费者的生活 成本。
二、生猪价格预测方法
政策与法规对生猪价格的影响
生猪价格变动原因分析
生猪价格变动原因分析:饲料价格影响
生猪价格变动分析
在分析生猪价格变动时,我们收集了最近5年的数据,包括生猪价格、饲料价格、政府政策等。
1.生猪价格变动原因分析 2. 饲料价格的影响
生猪饲料成本高涨,生猪价格受玉米、小麦价格影 响
根据我们的数据,生猪饲料成本占到总成本的60%以上。最近5年,玉米和小麦的价格涨幅较大,这对 生猪价格产生了很大的影响。以一头生猪为例,每增加1元人民币的饲料成本,生猪价格就会上涨约1.2 元人民币。
2023年生猪价格影响因素分析预测方案模板

数据收集方法与过程
1. 生猪价格数据来源
生猪价格数据主要来源于国家农业部门、农业研究机构和各类市场调研报告。这些数据通常包括生猪的生产成本 (饲料、劳动力等)、市场需求、政策因素(如进口关税、环保政策等)以及季节性影响等因素。例如,中国农业 部每月发布的《农产品批发市场价格信息》中包含了生猪的价格信息。
应用与结果评估
市场供需 政策因素
历史数据
预测 趋势分析
猪价
Thanks
2023/9/3
分享人:victoria
2. 生猪价格数据的处理方法
在收集到生猪价格数据后,我们需要对其进行处理以便于分析。这包括数据清洗(去除异常值和缺失值)、数据转 换(如将连续数据转换为分类数据)以及数据分析(如计算平均值、标准差等)。例如,我们可以使用Python的 Pandas库进行数据处理。
以下是一个简单的数据处理示例:
python
其次,疫情防控也是一个重要的影响因素。近年来,非洲猪瘟等疫情的爆发曾对中国的生猪养殖业造成巨大的冲击,导致生猪供 应紧张,进而推高猪肉价格。因此,2022年疫情的防控情况将直接影响到生猪的养殖数量和生产能力,进而影响到猪肉价格的波 动。
4.生猪养殖成本影响生猪供应和猪肉价格
预测模型建立
1. 数据收集与整理:收集2021年的生猪价格数据,包括 每月价格变动、季节性趋势等。同时,还需要收集关于生 猪市场的其他相关数据,如生猪存栏数量、饲料价格、疫 情情况等。将这些数据进行整理和清洗,以便后续建模分 析。 2. 特征选择:通过对收集到的数据进行分析,识别出对生 猪价格有影响的关键特征。这些特征可能包括猪肉进口量、 生猪出栏数量、政策法规变化等。通过统计分析和相关性 选择方法,确定最具影响力的特征。 3. 模型建立:选择适合预测生猪价格的算法模型,如 ARIMA模型、LSTM模型等。根据选定的模型,使用历史 数据进行训练并调整模型参数,使其能够较准确地预测未 来的生猪价格。 4. 模型验证与评估:将部分历史数据保留作为验证集,用
生猪价格走势分析及预测

0 1 年 是我 国生猪养殖业 历史上 2 效益最好 的一年 ,尤其 是在 下半年 ,生 猪行情创历史新高 。 受供求关 系变化 影 响 ,20 1 2年生猪行情 与20 1 年相 比 , 发生 了较大的变化 。 20 1 2年 ,生猪价格 曲线总体呈现 “ V ' '形走势 ,价格 水平 两 头高 、 中间低 。 全年价格的高点为 20 1 2 年春节前的 1 8 元讼 斤和 1 2 月 中旬的 1 7 元 / 公斤 , 最低点则 为6 月上 旬的 1 4 元/ 公斤 。 20 1 1年下半年 , 生猪行情利好 ,价 格一路视升 ,养殖利润增加在一定程度 上刺激 了养殖户的补栏积极性 。 据统计 分析 ,20 1 1年下半年与上半年相 比 ,全 国母猪 存栏量增 加了巧% 左右 , 导致 0 12年上半年生猪 出栏量增加迅速 。 2 同时 ,20 1 1 年下半 年行 情 利好期 间 , 生猪长一斤 肉所需的饲料 成本远 远低于卖价 ,因此从 20 1 1年下半开 始 , 全 国范 围内多数 区域生猪 出栏均重都 有不 同程度 的增加 。 生猪正常 出栏体 重在 10 5 一 110 公斤/ 头 ,而 2 0 1 年下半年 间生猪 实际 出栏体重在 1 2 5一 4 5公 斤/ 1 头。 单头生猪猪肉供给量 的增加 ,也在 一定程度上导致 20 1 2 年上半年猪 价持
斤左 右 。
进人 2 0 1 3 年 , 受生猪养殖业 周期 性规 律的影 响 , 加 之国 内大型 养猪企 业迅 速扩 张 , 生猪存 栏和 出栏 量都有 所增加 。 预计 20 1 3 年 ,生猪 养殖效益不 会好 于20 1 2年 , 生 猪价格总体 也不会 高于20 1 2年 。 生猪 价格总体走 势将 与 20 12 年相似 ,呈 “ V” 形 走势 。 如果全年 没有 出现较大 生猪价 格产生 影 响 。从宏 观经 济形势 来看 ,
生猪价格的预测模型

实证分析:实验过程
10.30 9.30 8.30
7.30
6.30
5.30
实际值 逐步回归预测值 逐步回归组合模型预测值
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
Yt=0.99727+0.50665*MEAT t+0.42317*FEEDt2 (1)
此模型拟合效果见下页图
实证分析:实验过程 多项式回归拟合效果
10.30
实际值
9.30
预测值
8.30
7.30
6.30
5.30 2000年210月00年240月00年2070月0年1200月01年210月01年240月01年2070月1年1200月02年210月02年240月02年2070月2年1200月03年210月03年240月03年2070月3年1200月04年210月04年240月04年2070月4年1200月05年210月05年240月05年2070月5年1200月06年210月06年4月
国外生猪市场定性预测研究方法也大致类似,也是采 用猪粮比价为标准,分定性析预测市场变化方向。
国内外生猪市场预测研究概况
定量预测方面: 国内方面研究较少 国外方面研究
市场价格预测方法简介
回归分析法
此方法是根据被预测变量与其他变量之间的因果关系 预测未来,因此是建立在因果关系分析的基础上的。 因而针对具体的经济问题,首先要进行背景因素分析, 收集影响该问题的主要经济指标,收集历史数据,然 后构建理论模型。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
生猪年末存栏量和猪肉价格的预测模型摘要本文针对生猪年末存栏量以及猪肉的价格进行了预测。
首先通过最小二乘法对生猪的出栏量进行了预测,然后引入了两次参数拟合的灰色马尔科夫链模型,对猪肉价格进行了宏观趋势以及微观波动进行了讨论,最后得出预测值,并给出了预测值的变动范围。
第一问中,由于生猪的出栏量总体呈上升趋势,而且波动较小,所以我们采用最小二乘法进行预测。
在预测过程中充分考虑1995~1996年的金融危机对生猪出栏量的影响,用5次和3次多项式分别对1976~2009年和1996~2009年的数据进行了拟合,得到四条拟合曲线,通过比较可以看出,其中一条曲线的误差较大,其他三条曲线基本重合,最后在对这三条曲线的数据求平均,得到最终结果。
预测出来的2007、2008、2009年的生猪出栏量都与真实值误差很小,而预测出的2010年的生猪出栏量为52562.7万头。
第二问,预测猪肉价格时,以每月为一个单位。
由于猪肉的价格波动性比较大,建立了两次参数拟合的灰色马尔科夫链模型。
先用两次参数拟合的灰色理论对猪肉价格的趋势进行了分析,得到猪肉价格的趋势值。
然后再用马尔科夫链对猪肉价格的波动性进行了研究,给出了猪肉价格的预测值,并得到了预测值的变动范围。
相比于GM(1,1)模型,本模型对时间响应方程进行了二次参数拟合,这样得到的数据比普通的GM(1,1)模型的数据更精确。
在用马尔科夫链预测时,首先用相对价格将价格的波动情况划分为j个状态区间,然后求出状态转移概率矩阵,列出价格预测表,可能转移到的概率最大的那个状态即为下一月份的状态。
则猪肉价格的趋势值乘以这一状态的上下限即可得到预测值的波动范围,而取这一状态区间的中点与趋势值的成绩既为这一预测值。
最后得到的结果是2010年1月的猪肉价格是11.80元与实际值11.75元比较,误差为0.43%,相对于灰色GM(1,1)模型预测的猪肉价格11.14元,误差为 5.19%,误差很小,说明了两次参数拟合灰色马尔科夫链模型的准确性。
关键字:最小二乘法灰色理论 GM(1,1)马尔科夫链猪肉是我国重要的肉畜产品之一,也是我国居民消费量最大的肉类,猪肉价格的高低关系到国计民生。
我国自1985年取消生猪派购、放开肉类市场、实行多渠道经营以后,生猪市场就始终处于周期性波动状态。
2007年5月以来,国内猪肉价格出现大幅上涨并达到历史最高点,与此同时,其他基本消费品价格也轮番上涨,造成了一些不安定因素,不利于社会和谐发展。
一时间猪肉价格成了各界关注的热点,并引起相关部门和国内学者的广泛关注。
然而猪肉价格上涨并不是没有先兆的,我们应未雨绸缪,防患于未然,假设我们可对猪肉价格进行预测,有关部门也好早早地积极组织调配各地资源,保证货源充足,改善这种状况。
本文就是要参考附录中给出的资料,或者自己查找相关资料,建立数学模型,预测2007-2010年生猪年末存栏量和2010年我国36个大中城市猪肉价格。
二、模型假设1.假设在预测期间,不会出现金融危机、猪流感等严重影响生猪出栏量的意外发生;2.假设在预测期间,不会有打压猪肉价格或者哄抬猪肉价格的事件发生;3.假设不会发生不发生大的疫情,灾难或国家政策干预等引起猪肉价格急剧变化的事件;4.假设在预测期间,饲料价格不会发生大的波动,可以以往年平均值来预测未来价格变化趋势;5.假设消费者对猪肉的需求量不发生巨大变化。
三、符号及文字说明猪肉价格相对值的第i个状态⊗状态的上限i1⊗状态的下限i2状态经m步转移到的概率状态经m步转移到的次数状态出现的次数由m步转移概率元素构成的矩阵问题一中,已知1976~2009年的生猪出栏量,已知的数据比较多,而仅仅预测2010年的生猪出栏量,所以考虑用最小二乘法进行数据拟合。
从数据中,我们可以看出总体呈上升趋势,但是在1996年有一个骤降,然后再次上升。
通过查找资料发现,1995~1996年生猪出栏量受金融危机的影响比较严重,所以应当充分考虑1996年数据的差异,可以将1996年作为起点来预测2010年的生猪量,或者不考虑1995、1996年的生猪出栏量,进行整体预测。
问题二中,猪肉的价格不仅有一个宏观的趋势,而且存在小范围的波动。
可以考虑用灰色理论,但是灰色理论对波动性的预测效果不好,而马尔科夫链模型对波动性预测效果较好,但是无法预测出宏观的趋势。
将这两个模型结合起来,相互弥补了各自的缺点,使得模型比较完整,结果的准确性较高。
五、模型建立及求解问题一:生猪存栏量预测 1.1、分析数据我们要根据题目中给出的一组数据,预测出2007~2010年的生猪年末存栏量。
图中描绘了1976年到2006年我国生猪年末存栏量的走势图,见图1。
051015202530352.533.544.55x 104图1 1976年到2006年我国生猪年末存栏量的走势图从图中可以看出1976年以来,我国的生猪年末存栏量总体上成上升趋势,波动较小,对此,我们采用最小二乘法,用最小二乘拟合多项式逼近,预测出2007-2010年生猪年末存栏量。
1.2、拟合多项式求解假定对应给出m 个点i x 处的值i y ),,2,1(m i =,要求近似多项式)()()()()(221100x c x c x c x c x p n n ϕϕϕϕ++++= (1) 其中n c c c ,,10为待定常数,),2,1,0()(n j x x j j ==ϕ,选取n c c c ,,10使得 ∑=-=mi i i y x p 12))((S (2)最小。
它显然是待定系数n c c c ,,10的函数。
由多元函数取极值的必要条件知,S 取最小时必有 0S=∂∂kc .,,2,1,0n k = (3) 即∑==-+++mi i i n n i i i k y x c x c x c x 111000])()()()[(ϕϕϕϕ (4)亦即∑∑∑∑=====++mi mi mi mi i i k i n i k n i i k i i k y x x x c x x c x x c 11111100)()()()()()()(ϕϕϕϕϕϕϕ (5)若对任意的函数)()(x g x h 和,引入记号∑==mi i i x g x h g h 1)()(),( (6)则上述方程可以表示为),(),(),(),(1100y c c c k n k n k k ϕϕϕϕϕϕϕ=+++ .,2,1,0n k = (7) 写成矩阵形式,即⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡),(),(),(),(),(),(),(),(),(),(),(),(1010101110101000y y y c c c n n n n n n n n ϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕϕ (8)该问题用矩阵还可表示为:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=)()()()()()()()()(A 102212011110m n m m n n x x x x x x x x x ϕϕϕϕϕϕϕϕϕ T 21),,(B m y y y = T 10),,(X n c c c =222122||),,(||||||S m e e e e == (9)即2222||||||||AX B e -=令 0A T =e B A AX A T T =B A A)(A X T -1T = (10) 即得到n c c c ,,10,代入)(x p ,即可求得该拟合多项式。
1.3、拟合预测从1976年到2009的i x 值分别为1~34,i y 值为对应年份的生猪年末存栏量。
从以上图中可以看出,1995~1996年可能由于墨西哥金融危机对世界经济的冲击作用及其他一些事件的影响,生猪年末存栏量出现大幅下降,数据变化较大,对此,我们需要在对整体数据拟合的基础上,再对1996年以后的数据拟合,分别用了5次和3次多项式拟合,防止产生较大误差。
A 、5次多项式,样本取值1976~2006:)0,1,26,243,1077,28213(X --=,则得到的拟合多项式为 43226243107728213)(x x x x x p -+-+= (11) 从而预测出2007~2010年的生猪年末存栏量,见表一:表一 预测出2007~2010年的生猪年末存栏量2007年 2008年 2009年 2010年 43996万头 45889万头 48685万头 52616万头拟合多项式的图形如下:51015202530352.533.544.555.5x 104图2 5次多项式样本取1976~2006的预测图B 、5次多项式,样本取值1976~2009:),,,(,015,2228100728301X --=,则得到的拟合多项式为43225228100728301)(x x x x x p -+-+= (12) 从而预测出2007~2010年的生猪年末存栏量,见表二:表二 预测出2007~2010年的生猪年末存栏量2007年 2008年 2009年 2010年 43984万头 45811万头 48506万头 52294万头拟合多项式的图形如下:51015202530352.533.544.555.5x 104图3 5次多项式样本取1976~2009的预测图C 、3次多项式,样本取值1996~2006:)40,2960,79480,664390(X --=,则得到的拟合多项式为 3240296079480664390)(x x x x p +-+-= (13) 从而预测出2007~2010年的生猪年末存栏量,见表三:表三 2007~2010年的生猪年末存栏量2007年 2008年 2009年 2010 44750万头 47734万头 52050万头 57917万头拟合多项式图形如下:051015202530352.533.544.555.56x 104图4 3次多项式样本取1976~1996的预测图D 、3次多项式,样本取值1996~2009:)30,2280,61850,515000(X --=,则得到的拟合多项式为 3230228061850515000)(x x x x p +-+-= (14) 从而预测出2007~2010年的生猪年末出栏量,见表四:表四 预测出2007~2010年的生猪年末出栏量2007年 2008年 2009年 2010年 43774万头 45765万头 48711万头 52778万头拟合多项式的图形如下:51015202530352.533.544.555.5x 104图5 3次多项式样本取1976~2009的预测图将四条曲线整合比较,预测最终的生猪年末存栏量,见图6。