技術(shù)特征：

1.一種糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，該預(yù)測(cè)方法的步驟如下：

1)選取最近N年的糧食產(chǎn)量數(shù)據(jù)作為原始序列X₁₀，對(duì)原始序列進(jìn)行灰度預(yù)測(cè)，得到相應(yīng)的灰度預(yù)測(cè)序列

2)計(jì)算原始序列X₁₀和灰度預(yù)測(cè)序列對(duì)應(yīng)元素之間的比值，并將比值進(jìn)行狀態(tài)劃分，判斷比值序列中每個(gè)元素所處的區(qū)間，將比值序列轉(zhuǎn)化為狀態(tài)序列S；

3)根據(jù)狀態(tài)序列S和區(qū)間劃分，由灰度預(yù)測(cè)序列得到新的預(yù)測(cè)矩陣

4)根據(jù)狀態(tài)序列S的元素值，得到狀態(tài)轉(zhuǎn)移頻數(shù)矩陣F，并將此狀態(tài)轉(zhuǎn)移頻數(shù)矩陣轉(zhuǎn)換成狀態(tài)轉(zhuǎn)移概率矩陣P⁽¹⁾；

5)根據(jù)狀態(tài)轉(zhuǎn)移概率矩陣P⁽¹⁾，選取距離預(yù)測(cè)年份最近的Q個(gè)年份，根據(jù)新的預(yù)測(cè)矩陣計(jì)算各階自相關(guān)系數(shù)ar_k，并對(duì)各階自相關(guān)系數(shù)進(jìn)行歸一化，得到權(quán)重系數(shù)序列W；

6)計(jì)算各階轉(zhuǎn)移概率密度矩陣P⁽²⁾、P⁽³⁾、…、P^(Q)，并根據(jù)各階轉(zhuǎn)移概率密度矩陣確定每一年的狀態(tài)對(duì)預(yù)測(cè)年份所處狀態(tài)的影響概率；

7)根據(jù)權(quán)重系數(shù)W和每一年的狀態(tài)對(duì)預(yù)測(cè)年份所處狀態(tài)的影響概率計(jì)算預(yù)測(cè)年份處于各狀態(tài)的概率p_i；

8)利用得到的概率p_i對(duì)步驟1)中的灰度預(yù)測(cè)序列進(jìn)行修正預(yù)測(cè)，得到第N+1年的修正預(yù)測(cè)值

9)將得到第N+1年的修正預(yù)測(cè)值添加到原始序列X₁₀中，構(gòu)成新的數(shù)據(jù)序列X₂₀，重復(fù)步驟1)-8)，即可得到第N+2年的預(yù)測(cè)值重復(fù)上述過(guò)程，即可實(shí)現(xiàn)對(duì)糧食產(chǎn)量的短期預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，步驟1)中的預(yù)測(cè)序列的計(jì)算過(guò)程如下：

A.利用灰色GM(1,1)模型得到原始序列的預(yù)測(cè)序列并由此模型得到第N+1年的預(yù)測(cè)值

B.計(jì)算預(yù)測(cè)序列的誤差，并將構(gòu)成的誤差序列轉(zhuǎn)化為非負(fù)序列；

C.對(duì)非負(fù)誤差序列進(jìn)行預(yù)測(cè)，并對(duì)其預(yù)測(cè)結(jié)果進(jìn)行修正；

D.將預(yù)測(cè)序列與誤差序列逐項(xiàng)相加，即可得到灰度修正后的糧食產(chǎn)量預(yù)測(cè)序列

3.根據(jù)權(quán)利要求1或2所述的糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，第N+1年的修正預(yù)測(cè)值為：

${\hat{x}}_{N+1}^{\left(11\right)\′}=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{p}_i\×\frac{1}{2}\×(q_{i-1}\×{\hat{x}}_{N+1}^{\left(11\right)}+q_i\×{\hat{x}}_{N+1}^{\left(11\right)})$

其中p_i為第N+1年處于各狀態(tài)的概率，q_i為比值序列所在第i個(gè)區(qū)間的上限值，q_i-1為比值序列所在第i個(gè)區(qū)間的下限值，為灰度預(yù)測(cè)序列中所預(yù)測(cè)出的第N+1年的產(chǎn)量。

4.根據(jù)權(quán)利要求1所述的糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，新的預(yù)測(cè)矩陣中元素的計(jì)算公式為：

${\hat{y}}_i=\frac{1}{2}(q_{L-1}\×{\hat{x}}_i^{\left(11\right)}+q_L\×{\hat{x}}_i^{\left(11\right)})$

其中L為灰度預(yù)測(cè)序列中第i個(gè)元素所對(duì)應(yīng)的r_i的區(qū)間，q_L為比值序列所在第L個(gè)區(qū)間的上限值，q_L-1為比值序列所在第L個(gè)區(qū)間的下限值。

5.根據(jù)權(quán)利要求1所述的糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，狀態(tài)轉(zhuǎn)移概率矩陣P⁽¹⁾為：

其中，即某一狀態(tài)轉(zhuǎn)移頻數(shù)出現(xiàn)的概率，元素f_ij表示狀態(tài)序列中由狀態(tài)i轉(zhuǎn)向狀態(tài)j的頻數(shù)。

6.根據(jù)權(quán)利要求1所述的糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，各階自相關(guān)系數(shù)ar_k的計(jì)算公式如下：

${\mathrm{ar}}_k=\frac{{\mathrm{\Σ}}_{i=1}^{n-k}({\hat{y}}_i-\stackrel{\‾}{\hat{y}})({\hat{y}}_{i+k}-\stackrel{\‾}{\hat{y}})}{{\mathrm{\Σ}}_{i=1}^n{\left({\hat{y}}_i-\stackrel{\‾}{\hat{y}}\right)}^2},(k=1,2,...,Q)$

其中為步驟3)中得到的新預(yù)測(cè)矩陣中的元素。

7.根據(jù)權(quán)利要求1所述的糧食產(chǎn)量短期預(yù)測(cè)方法，其特征在于，處于狀態(tài)i的概率p_i計(jì)算公式如下：

$p_i=\underset{j=1}{\overset{Q}{\Σ}}{w}_j\×p_{A_{j}i}^{\left(j\right)},i\∈\[1,2,...,M\]$

其中Q為所選取的距離預(yù)測(cè)年份最近的年份數(shù)，w_j為距離預(yù)測(cè)年份最近的第j年所占的權(quán)重系數(shù)，M為所分的狀態(tài)數(shù)，為距離預(yù)測(cè)年份最近的第j年的狀態(tài)對(duì)預(yù)測(cè)年份狀態(tài)確定的概率。

8.一種糧食產(chǎn)量短期預(yù)測(cè)裝置，其特征在于，該預(yù)測(cè)裝置包括灰度預(yù)測(cè)模塊、狀態(tài)序列確定模塊、新的預(yù)測(cè)矩陣計(jì)算模塊、狀態(tài)轉(zhuǎn)移概率矩陣計(jì)算模塊、權(quán)重系數(shù)序列計(jì)算模塊、狀態(tài)概率p_i計(jì)算模塊和修正預(yù)測(cè)值計(jì)算模塊，

所述灰度預(yù)測(cè)模塊用于選取最近N年的糧食產(chǎn)量數(shù)據(jù)作為原始序列X₁₀，對(duì)原始序列進(jìn)行灰度預(yù)測(cè)，得到相應(yīng)的灰度預(yù)測(cè)序列

所述狀態(tài)序列確定模塊用于計(jì)算原始序列X₁₀和灰度預(yù)測(cè)序列對(duì)應(yīng)元素之間的比值，并將比值進(jìn)行狀態(tài)劃分，判斷比值序列中每個(gè)元素所處的區(qū)間，將比值序列轉(zhuǎn)化為狀態(tài)序列S；

所述新的預(yù)測(cè)矩陣計(jì)算模塊用于根據(jù)狀態(tài)序列S和區(qū)間劃分，由灰度預(yù)測(cè)序列得到新的預(yù)測(cè)矩陣

所述狀態(tài)轉(zhuǎn)移概率矩陣計(jì)算模塊用于根據(jù)狀態(tài)序列S的元素值，得到狀態(tài)轉(zhuǎn)移頻數(shù)矩陣F，并將此狀態(tài)轉(zhuǎn)移頻數(shù)矩陣轉(zhuǎn)換成狀態(tài)轉(zhuǎn)移概率矩陣P⁽¹⁾；

所述權(quán)重系數(shù)序列計(jì)算模塊用于根據(jù)狀態(tài)轉(zhuǎn)移概率矩陣P⁽¹⁾，選取距離預(yù)測(cè)年份最近的Q個(gè)年份，根據(jù)新的預(yù)測(cè)矩陣計(jì)算各階自相關(guān)系數(shù)ar_k，并對(duì)各階自相關(guān)系數(shù)進(jìn)行歸一化，得到權(quán)重系數(shù)序列W；

所述狀態(tài)概率p_i計(jì)算模塊用于計(jì)算各階轉(zhuǎn)移概率密度矩陣P⁽²⁾、P⁽³⁾、…、P^(Q)，并根據(jù)各階轉(zhuǎn)移概率密度矩陣確定每一年的狀態(tài)對(duì)預(yù)測(cè)年份所處狀態(tài)的影響概率，并根據(jù)根據(jù)權(quán)重系數(shù)W和每一年的狀態(tài)對(duì)預(yù)測(cè)年份所處狀態(tài)的影響概率計(jì)算預(yù)測(cè)年份處于各狀態(tài)的概率p_i；

所述修正預(yù)測(cè)值計(jì)算模塊用于利用得到的概率p_i對(duì)步驟1)中的灰度預(yù)測(cè)序列進(jìn)行修正預(yù)測(cè)，得到第N+1年的修正預(yù)測(cè)值并將得到第N+1年的修正預(yù)測(cè)值添加到原始序列X₁₀中，構(gòu)成新的數(shù)據(jù)序列X₂₀，重復(fù)上述過(guò)程，即可實(shí)現(xiàn)對(duì)糧食產(chǎn)量的短期預(yù)測(cè)。

9.根據(jù)權(quán)利要求8所述的糧食產(chǎn)量短期預(yù)測(cè)裝置，其特征在于，所述灰度預(yù)測(cè)模塊得到預(yù)測(cè)序列的過(guò)程如下：

A.利用灰色GM(1,1)模型得到原始序列的預(yù)測(cè)序列并由此模型得到第N+1年的預(yù)測(cè)值

B.計(jì)算預(yù)測(cè)序列的誤差，并將構(gòu)成的誤差序列轉(zhuǎn)化為非負(fù)序列；

C.對(duì)非負(fù)誤差序列進(jìn)行預(yù)測(cè)，并對(duì)其預(yù)測(cè)結(jié)果進(jìn)行修正；

D.將預(yù)測(cè)序列與誤差序列逐項(xiàng)相加，即可得到灰度修正后的糧食產(chǎn)量預(yù)測(cè)序列

10.根據(jù)權(quán)利要求9所述的糧食產(chǎn)量短期預(yù)測(cè)裝置，其特征在于，所述修正預(yù)測(cè)值計(jì)算模塊得到的第N+1年的修正預(yù)測(cè)值為：

${\hat{x}}_{N+1}^{\left(11\right)\′}=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{p}_i\×\frac{1}{2}\×(q_{i-1}\×{\hat{x}}_{N+1}^{\left(11\right)}+q_i\×{\hat{x}}_{N+1}^{\left(11\right)})$

其中p_i為第N+1年處于各狀態(tài)的概率，q_i為比值序列所在第i個(gè)區(qū)間的上限值，q_i-1為比值序列所在第i個(gè)區(qū)間的下限值，為灰度預(yù)測(cè)序列中所預(yù)測(cè)出的第N+1年的產(chǎn)量。