福建農(nóng)林大學(xué)東方學(xué)院 胡世錄

?

中國水稻紋枯病發(fā)生率預(yù)測研究——基于時(shí)間序列預(yù)測模型

福建農(nóng)林大學(xué)東方學(xué)院 胡世錄

該文以1960年～2007年中國水稻紋枯病發(fā)生率年度數(shù)據(jù)為樣本，通過分析病害流行動(dòng)態(tài)與周期特征，運(yùn)用時(shí)間序列Logistic模型、自回歸移動(dòng)平均（ARIMA）模型和自回歸AR模型進(jìn)行預(yù)測，在此基礎(chǔ)構(gòu)建組合預(yù)測模型預(yù)測2014年水稻紋枯病發(fā)生率，預(yù)測結(jié)果與模型構(gòu)建過程可以為相關(guān)研究提供借鑒參考。

紋枯病 發(fā)生率時(shí)間序列 周期趨勢 組合預(yù)測

水稻紋枯病流行預(yù)測是對水稻紋枯病病害發(fā)展趨勢或未來狀況的推測和判斷，通過分析病害流行趨勢，構(gòu)建數(shù)學(xué)統(tǒng)計(jì)預(yù)測模型對病害流行狀況進(jìn)行預(yù)測預(yù)報(bào)。病害發(fā)生流行受氣候條件、抗病性、田間管理等多種因素影響，且難以量化，相關(guān)數(shù)據(jù)難以獲取，可量化指標(biāo)間存在多重共線性等。時(shí)間序列分析是一種有效的數(shù)據(jù)挖掘方法，在工程、經(jīng)濟(jì)學(xué)等領(lǐng)域的運(yùn)用已經(jīng)相當(dāng)普遍，在疾病發(fā)病率的預(yù)測研究中應(yīng)用也越來越多，本文通過運(yùn)用時(shí)間序列預(yù)測模型來預(yù)測2014年水稻紋枯病發(fā)生率，旨在為農(nóng)作物病害流行防治管理提供決策參考。

1 紋枯病流行動(dòng)態(tài)特征與周期趨勢

1.1 紋枯病發(fā)生流行的時(shí)間動(dòng)態(tài)

紋枯病是我國危害較重的水稻病害之一，隨著農(nóng)業(yè)生產(chǎn)力的發(fā)展，紋枯病危害也日益嚴(yán)重。據(jù)相關(guān)資料分析發(fā)現(xiàn)，從上世紀(jì)60年代至今，其發(fā)生面積與實(shí)際損失日趨嚴(yán)重，60年代的發(fā)生面積和實(shí)際損失分別為13742.2千公頃和78.3997萬噸，70年代分別為51588.88千公頃和321.7875萬噸，80年代分別增至120219.6千公頃和729.4478萬噸，到90年代仍保持較高水平的增長，其發(fā)生面積和實(shí)際損失分別為161237.7千公頃和1135.2077萬噸，比80年代分別增長34.12%和55.62%。其中1997年病害最嚴(yán)重，發(fā)生面積高達(dá)17084.71千公頃，造成稻谷實(shí)際損失131.5615萬噸，分別占水稻三種主要病害發(fā)生面積和實(shí)際損失的77.2%和61.69%。進(jìn)入21世紀(jì)后，病害持續(xù)流行，2000年～2007年平均發(fā)生面積和實(shí)際損失分別為15234.59千公頃和92.9489萬噸。

1.2 紋枯病發(fā)生率的周期趨勢分析

下面運(yùn)用時(shí)間序列進(jìn)行周期趨勢分析，通過序列的歷史軌跡可以感性地認(rèn)知該序列的長期發(fā)展趨勢和短期波動(dòng)特征。如圖1，全國水稻紋枯病發(fā)生率總體上呈現(xiàn)較明顯波動(dòng)上漲趨勢，并且波動(dòng)的幅度越來越大，1960年到1995年期間出現(xiàn)大幅震蕩，逐年上升。發(fā)生率從1.03%上漲到51.82%。這期間持續(xù)上漲之后，紋枯病發(fā)生率一直保持一個(gè)相對高位流行發(fā)生，2007年發(fā)生率高達(dá)59.40%，并且呈現(xiàn)繼續(xù)上漲的態(tài)勢。

（WKB表示紋枯病發(fā)生率）

利用H-P濾波分解趨勢周期成分可以得到發(fā)生率的趨勢成分和周期成分。在進(jìn)行周期分析時(shí)，將周期成分中位于0軸以上的部分定義為波峰，將水平0軸以下的定義為波谷，從波谷到波谷為一個(gè)周期，按此方法對病害發(fā)生率序列的波動(dòng)周期進(jìn)行劃分。時(shí)間序列周期波動(dòng)長度和波峰、波谷持續(xù)時(shí)間見表1。觀察病害發(fā)生率的波動(dòng)周期表以及時(shí)間序列分解圖，可以得到一些結(jié)論：樣本期間紋枯病發(fā)生率都包含了4個(gè)完整的波動(dòng)周期，包含周期的時(shí)間范圍和波動(dòng)持續(xù)時(shí)間。在紋枯病的4個(gè)完整周期長度中，最長的周期比最短的周期要長13年，平均周期長度為8年；從波動(dòng)圖形看，紋枯病發(fā)生率的波動(dòng)頻率比較頻繁，而且紋枯病趨勢分析曲線均呈上升趨勢。

表1 水稻紋枯病發(fā)生率周期特征

2 時(shí)間序列組合預(yù)測模型簡介

組合預(yù)測法主要是指把不同預(yù)測方法或者預(yù)測模型組合起來，形成一種新的預(yù)測方法，可以有效利用各種模型的信息，能夠較大限度地利用各種預(yù)測樣本信息，更有效地減少單個(gè)預(yù)測模型受隨機(jī)因素的影響，從而提高預(yù)測的精度和穩(wěn)定性。

組合預(yù)測方法的主要思路是對不同單項(xiàng)預(yù)測方法得到的結(jié)果賦予不同的權(quán)重系數(shù)，常用的方法主要有：算術(shù)平均法即等權(quán)平均法，對各種模型賦予相同的權(quán)重系數(shù)組合；方差倒數(shù)法，把單個(gè)模型的方差倒數(shù)與所有模型方差倒數(shù)和的比例作為其權(quán)重系數(shù)；均方倒數(shù)法，把單個(gè)模型的方差倒數(shù)的均方與所有模型的方差倒數(shù)的均方和的比例作為其權(quán)重系數(shù)；平均絕對百分（MAPE）誤差倒數(shù)法，即把單個(gè)模型的平均絕對百分誤差倒數(shù)與所有模型平均絕對百分誤差倒數(shù)和的比例作為權(quán)重系數(shù)。本文運(yùn)用均方誤差倒數(shù)法和平均絕對百分誤差倒數(shù)法求權(quán)重系數(shù)，表達(dá)式如下：

（2）平均絕對百分誤差倒數(shù)法

3 紋枯病發(fā)生率的預(yù)測過程及結(jié)果分析

下面以1960年～2007年中國水稻紋枯病發(fā)生率年度數(shù)據(jù)為樣本，分別運(yùn)用Logistic模型，ARIMA模型，自回歸AR模型對水稻紋枯病的發(fā)生率進(jìn)行預(yù)測，并將各模型預(yù)測參數(shù)值中的均方誤差、平均絕對百分誤差帶入上述組合預(yù)測模型表達(dá)式，2014年水稻紋枯病預(yù)測值最終取組合預(yù)測兩種方法預(yù)測值的平均值，結(jié)果為60.7621%，其中MAPE=3.26%,表明擬合精度較高，可以用來預(yù)測。預(yù)測結(jié)果如表3所示。本文實(shí)證研究主要依賴二手?jǐn)?shù)據(jù)，數(shù)據(jù)來源于2000年以來的《全國植保專業(yè)統(tǒng)計(jì)資料》（中國農(nóng)業(yè)技術(shù)推廣服務(wù)中心）以及《中國植物保護(hù)五十年》（陳生斗和胡伯海，2003），所獲數(shù)據(jù)不夠完整（2008年～2013年的樣本數(shù)據(jù)），這一定程度上影響了模型的精度。

表2 水稻紋枯病發(fā)生率及各模型預(yù)測值（單位：%）

從表2可見， 2008年至2014年的病害發(fā)生率年增長率均比2007年低，2008年至2014年的年平均增長率為0.3%，由此可以看出病害發(fā)生率年增長率有所下降，上升幅度在減小，這說明有效利用預(yù)測信息，及時(shí)做好防控措施有助于降低病害流行風(fēng)險(xiǎn)。

4 結(jié)論與展望

本文以1960年～2007年中國水稻紋枯病發(fā)生率年度數(shù)據(jù)為樣本，建立時(shí)間序列邏輯斯蒂曲線模型、自回歸移動(dòng)平均（ARIMA）模型和自回歸AR模型，在此基礎(chǔ)構(gòu)建組合預(yù)測模型，并預(yù)測2014年水稻紋枯病發(fā)生率。研究結(jié)果表明：病害發(fā)生率年增長率有下降趨勢，上升幅度在減小?？茖W(xué)準(zhǔn)確地預(yù)測病害發(fā)生率，可以為病害預(yù)防和病害監(jiān)測提供科學(xué)信息，為病害流行防控體系完善提供科學(xué)依據(jù)，同時(shí)建立病害防治長效機(jī)制，增強(qiáng)防治意識、科學(xué)管理農(nóng)作物可以很大程度地控制病害流行。

[1] 朱宗元,于青. ARIMA模型在我國病毒性肝炎發(fā)病率預(yù)測中的應(yīng)用[J]. 中國衛(wèi)生統(tǒng)計(jì),2011(1):65-67.

[2] 易丹輝.數(shù)據(jù)分析與Eviews應(yīng)用[M].北京:中國人民大學(xué)出版社,2008.

[3] 陳生斗,胡伯海.中國植物保護(hù)五十年[M].北京:中國農(nóng)業(yè)出版社,2003.

[4] 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法和建模:Eviews應(yīng)用及實(shí)例[M].北京:清華大學(xué)出版社,2007.

[5] 全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心病蟲害測報(bào)處.2011年全國水稻重大病蟲害發(fā)生趨勢預(yù)報(bào)[J].種業(yè)導(dǎo)刊,2011(3):13.