李文閣,劉 群

(中國(guó)海洋大學(xué)水產(chǎn)學(xué)院,山東青島266003)

內(nèi)蒙古赤峰市達(dá)里湖漁業(yè)產(chǎn)量的灰色預(yù)測(cè)與分析

李文閣,劉 群＊＊

(中國(guó)海洋大學(xué)水產(chǎn)學(xué)院,山東青島266003)

由于病害和產(chǎn)卵條件惡化等原因,內(nèi)蒙古赤峰市達(dá)里湖的魚(yú)類資源出現(xiàn)了衰退,經(jīng)調(diào)整產(chǎn)業(yè)政策,漁業(yè)產(chǎn)量在大幅度下降后又有所回升。本文使用內(nèi)蒙古赤峰市達(dá)里湖2000—2009年的漁業(yè)產(chǎn)量數(shù)據(jù),并應(yīng)用灰色預(yù)測(cè)模型對(duì)其未來(lái)5 a的漁業(yè)產(chǎn)量進(jìn)行了預(yù)測(cè)。結(jié)果表明,使用全程數(shù)據(jù)進(jìn)行預(yù)測(cè)的漁業(yè)產(chǎn)量將持續(xù)下降,與最近幾年的漁業(yè)產(chǎn)量趨勢(shì)明顯不符,這是由于在數(shù)據(jù)序列的中段發(fā)生的漁業(yè)產(chǎn)業(yè)政策調(diào)整造成了產(chǎn)量大幅度下降,其慣性對(duì)預(yù)測(cè)結(jié)果產(chǎn)生了決定性影響,而僅使用產(chǎn)業(yè)政策調(diào)整后的數(shù)據(jù)進(jìn)行預(yù)測(cè),則漁業(yè)產(chǎn)量呈上升趨勢(shì),并有望恢復(fù)到歷史最高水平,說(shuō)明漁業(yè)產(chǎn)業(yè)政策調(diào)整有利于漁業(yè)資源的保護(hù)和可持續(xù)利用。本文的結(jié)果同時(shí)表明,應(yīng)用于灰色預(yù)測(cè)的數(shù)據(jù)的外部條件的突然變化(如本文中的漁業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整),會(huì)對(duì)預(yù)測(cè)結(jié)果產(chǎn)生很大影響,在選擇數(shù)據(jù)序列時(shí)應(yīng)予以關(guān)注。此外如何對(duì)數(shù)據(jù)外部條件的突然變化進(jìn)行量化評(píng)估,并嵌入灰色預(yù)測(cè)模型,使灰色預(yù)測(cè)模型能夠應(yīng)對(duì)數(shù)據(jù)外部條件的突然變化,也是今后的1個(gè)研究課題。

內(nèi)蒙古赤峰市達(dá)里湖;漁業(yè)產(chǎn)量;灰色模型;預(yù)測(cè)

灰色系統(tǒng)理論是我國(guó)學(xué)者鄧聚龍教授于1982年首先提出來(lái)的,是1種研究少數(shù)據(jù)、信息不確定性問(wèn)題的方法。灰色系統(tǒng)理論以“部分信息已知,部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對(duì)象,主要通過(guò)對(duì)“部分”已知信息的生成、開(kāi)發(fā),提取有價(jià)值的信息,實(shí)現(xiàn)對(duì)系統(tǒng)運(yùn)行行為、演化規(guī)律的正確描述和有效監(jiān)控。灰色預(yù)測(cè)是建立從過(guò)去引申到未來(lái)的灰色預(yù)測(cè)模型,從而確定所研究系統(tǒng)未來(lái)發(fā)展變化的趨勢(shì),為決策提供依據(jù)?；疑A(yù)測(cè)應(yīng)用最廣泛的是灰色序列預(yù)測(cè),它是利用GM(1,1)灰色預(yù)測(cè)模型對(duì)時(shí)間序列進(jìn)行數(shù)量大小的預(yù)測(cè),是一階單變量微分方程,并通過(guò)對(duì)模型生成擬合值與原始數(shù)值的回代檢驗(yàn),驗(yàn)證該灰色建模的可信度,進(jìn)行殘差修正,并根據(jù)以上計(jì)算求得所需的預(yù)測(cè)值[1-4]。漁業(yè)系統(tǒng)是個(gè)多因素、多層次、多目標(biāo)的大系統(tǒng),由諸多錯(cuò)綜復(fù)雜的關(guān)系所組成,是典型的灰色系統(tǒng),適用于灰色系統(tǒng)理論的研究[5-9]。

達(dá)里湖位于貢格爾草原的西南部,面積約2.38萬(wàn)hm2,是內(nèi)蒙古地區(qū)四大名湖之一。水域面積240 km2,水儲(chǔ)量16億m3,水深10～13 m,屬于蘇達(dá)型半咸水湖,是內(nèi)蒙古第3大湖。湖內(nèi)產(chǎn)紅鯉魚(yú)、鯽魚(yú)、瓦氏雅羅魚(yú)等,具有較高經(jīng)濟(jì)價(jià)值。進(jìn)入21世紀(jì)后,達(dá)里湖的漁業(yè)產(chǎn)量整體呈下降趨勢(shì),水產(chǎn)品產(chǎn)量由2000年的694 t下降到2009年的400 t。選用恰當(dāng)?shù)臄?shù)學(xué)模型對(duì)達(dá)里湖今后的漁業(yè)產(chǎn)量進(jìn)行科學(xué)的預(yù)測(cè),對(duì)指導(dǎo)生產(chǎn)意義重大。所以本文利用灰色系統(tǒng)理論預(yù)測(cè)達(dá)里湖未來(lái)5 a的產(chǎn)量,以為達(dá)里湖漁業(yè)管理部門提供生產(chǎn)決策依據(jù)。

1 材料與方法

1.1 灰色預(yù)測(cè)模型建模方法

灰色GM(1,1)模型的建模步驟是[1]:

第1步,選取一定年份的漁業(yè)產(chǎn)量,生成原始序列{X(0)}={x(0)(1),x(0)(2),……x(0)(n)},x(0)(k)≥0, k=1,2,……n。

第2步,一次累加生成序列

第3步,生成緊鄰均值序列Z(1)

第4步,求參數(shù)列^a=[a,b]T=(BTB)-1BTY,其中

第6步,求X(1)的模擬值

第7步,還原求出X(0)的模擬值

由x(0)(k)=a(0)^x(0)(k)=^x(1)(k)-^x(1)(k-1),得出

第8步,檢驗(yàn)誤差。分別求出殘差(q(k))和平均相對(duì)誤差(Δk),

殘差的計(jì)算公式為 q(k)=x(0)(k)-^x(0)(k)。

當(dāng)Δk≤0.01時(shí),精度達(dá)到1級(jí);當(dāng)0.01<Δk≤0.05時(shí),精度達(dá)到2級(jí);

當(dāng)0.05<Δk≤0.10時(shí),精度達(dá)到3級(jí);當(dāng)0.10< Δk≤0.20時(shí),精度達(dá)到4級(jí)[1,5]。

1.2 數(shù)據(jù)來(lái)源

本文所用數(shù)據(jù)為赤峰市達(dá)里湖漁場(chǎng)提供,2000—2009年漁業(yè)產(chǎn)量如圖1所示。

圖1 內(nèi)蒙古赤峰市達(dá)里湖2000—2009漁業(yè)產(chǎn)量圖Fig.1 Fishery production of Dalihu Lake in Chifeng city,Inner Mongolia during 2000—2009

2 結(jié)果

選取赤峰市達(dá)里湖2000—2009漁業(yè)產(chǎn)量建立原始數(shù)據(jù)列

X(0)=(694,700,700,627,700,480,328,370,412, 400);

進(jìn)行一次累加生成累加序列

X(1)=(694,1 394,2 094,2 721,3 421,3 901,4 229, 4 599,5 011,5 411);

生成緊鄰均值,得到緊鄰均值序列

Z(1)=(1 044,1 744,2 407.5,3 071,3 661,4 065, 4 414,4 805,5 211);

構(gòu)造矩陣B和Y,求參數(shù)序列^a=[a,b]T= (BTB)-1BTY,經(jīng)計(jì)算得到

a=874.817 5,b=0.104 765;代入時(shí)間響應(yīng)方程并求導(dǎo)還原得

^x(1)(k+1)=-7 656.283 969e-874.8175k+8 350.283 969

根據(jù)該方程得到赤峰市達(dá)里湖2000—2009年淡水漁業(yè)產(chǎn)量的擬合值及對(duì)本方程進(jìn)行檢驗(yàn)。

表1 內(nèi)蒙古赤峰市達(dá)里湖2000—2009漁業(yè)產(chǎn)量灰色預(yù)測(cè)的計(jì)算及檢驗(yàn)Table 1 Calculation and verification of fishery production of Dali Lake in Chifeng city,Inner Mongolia in 2000—2009 using grey prediction model

檢驗(yàn)結(jié)果如表1所示,該模型實(shí)際值與擬合值間的平均相對(duì)誤差Δk=12.596 67%。10%<Δk≤20%滿足預(yù)測(cè)要求,可以用灰色預(yù)測(cè)模型對(duì)赤峰市達(dá)里湖的淡水養(yǎng)殖產(chǎn)量進(jìn)行預(yù)測(cè),故使用此方程對(duì)未來(lái)5 a的產(chǎn)量進(jìn)行預(yù)測(cè),其結(jié)果見(jiàn)表2。

表2 內(nèi)蒙古赤峰市達(dá)里湖漁業(yè)產(chǎn)量灰色預(yù)測(cè)值Table 2 Fishery production prediction of Dali Lake in Chifeng city,Inner Mongolia using grey prediction model /t

從達(dá)里湖水庫(kù)數(shù)據(jù)看,2000—2004年漁業(yè)產(chǎn)量維持在700 t左右;2005—2009年維持在300～500 t,平均近400 t。2個(gè)時(shí)期產(chǎn)量均相對(duì)穩(wěn)定。考慮到灰色序列預(yù)測(cè)受到采用數(shù)據(jù)的慣性影響,應(yīng)用2000—2009年數(shù)據(jù)預(yù)測(cè)后5 a產(chǎn)量,必然存在產(chǎn)量大幅下降的結(jié)果。因此選用2005—2009年數(shù)據(jù)對(duì)未來(lái)5a的產(chǎn)量再進(jìn)行預(yù)測(cè),方法同上。經(jīng)計(jì)算得到

a=290.824 8,b=-0.073 53;代入時(shí)間響應(yīng)方程并求導(dǎo)還原得

^x(1)(k+1)=4 435.185 639e-290.8248k-3 955.185 639根據(jù)該方程得到赤峰市達(dá)里湖2005—2009年淡水漁業(yè)產(chǎn)量的擬合值及對(duì)本方程進(jìn)行檢驗(yàn)。

表3 內(nèi)蒙古赤峰市達(dá)里湖2005—2009年漁業(yè)產(chǎn)量灰色預(yù)測(cè)的計(jì)算及檢驗(yàn)Table 3 Calculation and verification of fishery production of Dali Lake in Chifeng city,Inner Mongolia in 2005—2009 using grey prediction model/t

檢驗(yàn)結(jié)果如表3所示,該模型實(shí)際值與擬合值間的平均相對(duì)誤差Δk=3.766 354 7%。1%<Δk<5%,達(dá)到二級(jí)精度,使用此方程對(duì)未來(lái)5 a的產(chǎn)量進(jìn)行預(yù)測(cè),其結(jié)果見(jiàn)表4。

表4 內(nèi)蒙古赤峰市達(dá)里湖漁業(yè)產(chǎn)量灰色預(yù)測(cè)值Table 4 Fishery production prediction of Dali Lake in Chifeng city,Inner Mongolia using grey prediction model/t

3 討論

3.1 灰色模型在達(dá)里湖漁業(yè)的應(yīng)用

灰色系統(tǒng)理論認(rèn)為,盡管客觀系統(tǒng)表象復(fù)雜,但它的整體功能性必然蘊(yùn)含某種內(nèi)在規(guī)律,關(guān)鍵的問(wèn)題在于如何選擇恰當(dāng)?shù)姆椒ㄈネ诰蛩鼈僛1-4]。漁業(yè)產(chǎn)量因受氣候、生態(tài)環(huán)境、漁業(yè)資源、國(guó)家政策、經(jīng)濟(jì)條件、生產(chǎn)設(shè)施和科技水平等多種自然條件和社會(huì)因素的影響,構(gòu)成1個(gè)龐大的灰色系統(tǒng),即結(jié)果(漁業(yè)產(chǎn)量)較為清楚,而過(guò)程(影響因素及其程度)難以確定。因而,漁業(yè)產(chǎn)量數(shù)據(jù)呈現(xiàn)出一定的隨機(jī)性[5-7]?；疑到y(tǒng)理論的任務(wù)之一就是根據(jù)社會(huì)、經(jīng)濟(jì)和生態(tài)等系統(tǒng)的行為特征數(shù)據(jù),尋找因素之間或因素自身的數(shù)學(xué)關(guān)系與變化規(guī)律?；疑到y(tǒng)預(yù)測(cè)模型也稱為GM(1,1)模型,是基于灰色系統(tǒng)的理論思想,將離散變量連續(xù)化,用微分方程代替差分方程,用生成數(shù)序列代替原始時(shí)間序列,弱化原始時(shí)間序列的隨機(jī)性,進(jìn)而建立微分方程形式的模型。

達(dá)里湖水域面積已經(jīng)由1998年的228 km2縮小到2009年的190 km2,水位下降3 m,影響了魚(yú)類的分布和生長(zhǎng)[12,16]。由于硬度、p H值較高,湖中經(jīng)濟(jì)魚(yú)類僅有鯽魚(yú)(Carassius auratus)和瓦氏雅羅魚(yú)(Leuciscus w aleckii)2種,品種過(guò)于單一,所以達(dá)里湖漁業(yè)生產(chǎn)具有很大的不確定性。因?yàn)榛疑A(yù)測(cè)模型可在只有少量數(shù)據(jù)以及存在灰色信息的情況下使用,所以該模型能夠用于對(duì)赤峰市達(dá)里湖漁業(yè)生產(chǎn)情況進(jìn)行研究并對(duì)今后的產(chǎn)量進(jìn)行短期預(yù)測(cè)。

3.2 不同時(shí)間序列的數(shù)據(jù)對(duì)灰色模型結(jié)果的影響

通過(guò)用2000—2009和2005—2009年赤峰市達(dá)里湖的漁業(yè)產(chǎn)量數(shù)據(jù)分別建立灰色模型對(duì)2010—2014年的產(chǎn)量進(jìn)行了預(yù)測(cè)。對(duì)于應(yīng)用不同時(shí)間序列的數(shù)據(jù),灰色預(yù)測(cè)模型生成的結(jié)果亦不同。本研究認(rèn)為這些差異是由于數(shù)據(jù)的不同造成的,而不是模型的缺陷,這個(gè)問(wèn)題亦存在于例如漁業(yè)資源評(píng)估模型的應(yīng)用中[8]。用2000—2009年的數(shù)據(jù)進(jìn)行預(yù)測(cè),達(dá)里湖漁業(yè)產(chǎn)量將持續(xù)下降,與最近幾年的漁業(yè)產(chǎn)量趨勢(shì)明顯不符。這主要是由于2005年取消春捕這一漁業(yè)產(chǎn)業(yè)政策的調(diào)整,造成了數(shù)據(jù)序列中段出現(xiàn)了產(chǎn)量大幅度下降,其慣性對(duì)預(yù)測(cè)結(jié)果產(chǎn)生了決定性的影響。而用2005—2009年的數(shù)據(jù)進(jìn)行預(yù)測(cè),則漁業(yè)產(chǎn)量呈上升趨勢(shì),并有望恢復(fù)到歷史最高水平。在此建議應(yīng)用2005—2009年數(shù)據(jù)的預(yù)測(cè)結(jié)果,這主要是灰色預(yù)測(cè)模型對(duì)短時(shí)間序列數(shù)據(jù)的預(yù)測(cè)精度較高,用2005—2009年的數(shù)據(jù)進(jìn)行預(yù)測(cè),平均相對(duì)誤差Δk=0.037 663 54,為二級(jí)精度;用2000—2009年的數(shù)據(jù)進(jìn)行預(yù)測(cè),平均相對(duì)誤差Δk=0.125 966 7,為四級(jí)精度,雖然滿足預(yù)測(cè)要求,但精度較差。

3.3 達(dá)里湖漁業(yè)產(chǎn)量下降的原因

赤峰市達(dá)里湖2005—2009年的產(chǎn)量與2000—2004年的產(chǎn)量相比有明顯下降,其主要原因:1)赤峰市達(dá)里湖因鹽堿度較高,湖中僅2種經(jīng)濟(jì)魚(yú)類鯽和瓦氏雅羅魚(yú)。鯽在達(dá)里湖占總產(chǎn)量的50%左右,所以鯽在整個(gè)達(dá)里湖漁業(yè)中有著舉足輕重的地位,但因其中30%的鯽患有絳蟲(chóng)病,因此生長(zhǎng)最差。瓦氏雅羅魚(yú)由于要到河道進(jìn)行產(chǎn)卵洄游,而近年來(lái)瓦氏雅羅魚(yú)由于產(chǎn)卵條件惡化,這幾年補(bǔ)充群體一直不足,造成湖中瓦氏雅羅魚(yú)的數(shù)量是入不敷出,以上原因?qū)е潞恤~(yú)類資源已明顯衰退[11-13];

2)為有效的保護(hù)漁業(yè)資源,做到漁業(yè)生產(chǎn)的可持續(xù)發(fā)展,達(dá)里湖漁場(chǎng)管理部門調(diào)整了產(chǎn)業(yè)政策,做到以養(yǎng)為主,有計(jì)劃的控制產(chǎn)量,保持或降低產(chǎn)量,提升產(chǎn)值,1 a中只進(jìn)行1次冬捕,于2005年取消了春捕。

3.4 達(dá)里湖漁業(yè)資源的可持續(xù)發(fā)展和利用的措施

從2010—2014年赤峰市達(dá)里湖漁業(yè)產(chǎn)量預(yù)測(cè)結(jié)果分析可知,達(dá)里湖的漁業(yè)產(chǎn)量仍有上升空間,有望恢復(fù)到高產(chǎn)水平。針對(duì)達(dá)里湖生產(chǎn)中存在的問(wèn)題,及時(shí)調(diào)整漁業(yè)產(chǎn)業(yè)政策,對(duì)漁業(yè)資源的保護(hù)和可持續(xù)利用會(huì)起到非常大的積極作用。另一方面,只有有效的改善達(dá)里湖主要經(jīng)濟(jì)魚(yú)類的生長(zhǎng)、產(chǎn)卵環(huán)境,引進(jìn)和馴化適和鹽堿水質(zhì)生活的魚(yú)類,例如青海湖裸鯉(Gymnocy pris przewalskii)等魚(yú)類,控制捕撈強(qiáng)度和捕撈規(guī)格,才能不斷增加漁業(yè)資源量,做到漁業(yè)資源的可持續(xù)發(fā)展和利用。本文預(yù)測(cè)結(jié)果表明,應(yīng)用于灰色預(yù)測(cè)的數(shù)據(jù)的外部條件發(fā)生突然的變化,會(huì)對(duì)預(yù)測(cè)結(jié)果產(chǎn)生很大的影響。如本文中因?yàn)?005年取消春捕漁業(yè)產(chǎn)業(yè)政策的調(diào)整,使得數(shù)據(jù)列發(fā)生特別明顯的變化,導(dǎo)致利用不同數(shù)據(jù)列進(jìn)行預(yù)測(cè),出現(xiàn)了結(jié)論相反的情況。因此,在預(yù)測(cè)前對(duì)數(shù)據(jù)列的如何選擇上應(yīng)予以關(guān)注。如何對(duì)數(shù)據(jù)外部條件的突然變化進(jìn)行量化評(píng)估,并嵌入灰色預(yù)測(cè)模型,使灰色預(yù)測(cè)明顯能夠應(yīng)對(duì)數(shù)據(jù)外部條件的突然變化,這是今后的一個(gè)重要研究課題。

3.5 灰色預(yù)測(cè)模型的結(jié)果可以作為達(dá)里湖漁業(yè)生產(chǎn)規(guī)劃的依據(jù)

灰色理論的運(yùn)用特別要重視前期的資料收集和準(zhǔn)備工作(其實(shí)也適應(yīng)于其它的模型)。收集系統(tǒng)、完整、全面的預(yù)測(cè)資料對(duì)于預(yù)測(cè)結(jié)論的精度和準(zhǔn)確性具有重大的意義。數(shù)據(jù)資料越多越詳實(shí)就越能使預(yù)測(cè)擬合值更接近真值。在理論模型建立以后,還要重視對(duì)后期預(yù)測(cè)結(jié)論的檢驗(yàn)、修正、分析與評(píng)價(jià),盡可能提高預(yù)測(cè)的精確程度。根據(jù)灰色理論建立的灰色預(yù)測(cè)模型在赤峰市達(dá)里湖漁業(yè)生產(chǎn)規(guī)劃中的應(yīng)用是建立在嚴(yán)謹(jǐn)?shù)念A(yù)測(cè)過(guò)程和嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)之上的,預(yù)測(cè)結(jié)果可以作為達(dá)里湖漁業(yè)生產(chǎn)規(guī)劃的依據(jù)[5,14-15]。

[1] 劉思峰,謝乃明.灰色系統(tǒng)理論及其應(yīng)用[M],北京:科學(xué)出版社,2008:224.

[2] Dounis A I,Tiropanis P,Tseles D,et al.A comparison of grey model and fuzzy predictive model for time series[J].International J Computational Intelligence,2006,2(3):176-181.

[3] Su S F,Lin C B,Hsu Y T.A high precision global prediction approach based on local prediction approaches[J].IEEE SMC-C, 2002,32(4):416-425.

[4] Mao M,Chirwa E C.Combination of grey model GM(1,1)with three-point moving average for accurate vehicle fatality risk prediction[J].International Journal of Crash,2005,10(6):635-642.

[5] 劉群,徐賓鐸,任一平.灰色預(yù)測(cè)模型在青島市淡水養(yǎng)殖產(chǎn)量預(yù)測(cè)中的應(yīng)用[J],南方水產(chǎn),2009,5(5):38-43.

[6] 陳文河,梁振林.廣東省海洋捕撈產(chǎn)量灰色預(yù)測(cè)[J].海洋水產(chǎn)研究,2006,27(5):74-78.

[7] 潘澎.灰色預(yù)測(cè)模型在山東漁業(yè)產(chǎn)量預(yù)測(cè)中的應(yīng)用研究[J].齊魯漁業(yè),1997,14(3):1-2.

[8] Hilborn R,Walters C J.Quantitative fisheries stock assessment: choice,dynamics&uncertainty[M].New York:Chapman& Hall,1992:9-13.

[9] 劉軍.用灰色理論預(yù)測(cè)青海湖裸鯉的年產(chǎn)量[J].大連水產(chǎn)學(xué)院學(xué)報(bào),2006,21(4):390-393.

[10] 周元建,關(guān)則良.海洋漁業(yè)產(chǎn)量的灰色預(yù)測(cè)與分析[J].湛江水產(chǎn)學(xué)院學(xué)報(bào),1994,14(1):53-55.

[11] 張建明,張玉,何江,等.內(nèi)蒙古達(dá)里諾爾湖經(jīng)濟(jì)魚(yú)類生物學(xué)研究(一)[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào),2008,29(3):197-200。

[12] 韓一平.達(dá)里湖漁業(yè)資源現(xiàn)狀調(diào)查分析[J],內(nèi)蒙古水利,2007, (1):45-46。

[13] 安曉萍,孟和平,杜昭宏,等.達(dá)里湖東北雅羅魚(yú)的生長(zhǎng)、死亡和生活史類型的研究[J],淡水漁業(yè),2008,38(6):3-7。

[14] 高紅建,蔡錦忠,潘煥祥.灰色理論在城市總體規(guī)劃中的應(yīng)用研究[J].基建優(yōu)化,2005,26(5):106-108.

[15] 李崗,熊猛.淺析灰色系統(tǒng)的發(fā)展及其展望[J].四川建筑科學(xué)研究,2004,30(1):124-126.

[16] 韓影.天災(zāi)還是人禍-萎縮中的達(dá)里湖[J].人與生物圈,2009, 6:24-46.

Abstract: Because of diseases and deteriorating spawning conditions,the fisheries resources in the Dali Lake in Chifeng city of Inner Mongolia had declined.After the adjustment of the industry policy,there was some recovery in fishery production after a large drop.This study used fishery production data in 2000-2009 in Dali Lake in Chifeng city of Inner Mongolia to predict the future 5 years fishery production using a grey prediction model.The result showed that the fishery production would continue to decline, which contradicted with the trend of the recent years.Because the adjustment of fishery industry policy made a large drop of production in the middle of the data series,the inertia influenced critically on the prediction result.When only using the data after the change of industry policy,the fishery production had a trend of increase which may be back to the highest historical level.These illustrated that the adjustment of fishery industry policy can be in favor of fishery resources conservation and sustainable exploration.At the same time the results also showed that when the outside conditions of the grey prediction data changed suddenly(such as the adjustment of fishery industry policy in this study),the prediction outcome can be influenced dramatically.Attentions should be paid when selecting the data time series.Additionally the quantitative assessment to the sudden changes of the outside data conditions,and its incorporation into the grey prediction model,is an important research topic in the future.And the same important thing include how to make the grey prediction model to deal with the sudden changes of the outside data conditions.

Key words: Dali Lake in Chifeng city of Inner Mongolia;fishery production;grey model;prediction

責(zé)任編輯 于 衛(wèi)

Prediction of Fishery Production of Dalihu Lake in Chifeng City, Inner Mongolia Using a Grey Prediction Model

LI Wen-Ge,LIU Qun
(College of Fisheries,Ocean University of China,Qingdao 266003,China)

S937.3

A

1672-5174(2011)06-030-05

中國(guó)海洋大學(xué)專項(xiàng)基金(高?；究蒲袠I(yè)務(wù)費(fèi))資助

2010-10-25;

2011-02-24

李文閣(1966-),男,博士生。研究方向:漁業(yè)資源與管理。

E-mail:qunliu@ouc.edu.cn