中国肉类供需模型研究综述及研究建议

姓名
邮箱
手机号码
标题
留言内容
验证码

doi:10.12202/j.0476-0301.2022010

贾俊文,
崔雪锋^,

必威最新登录地址系统科学学院，必威最新登录地址地表过程与资源生态国家重点实验室，100875，北京

基金项目:必威最新登录地址地表过程与资源生态国家重点实验室开放课题（2021-KF-04）；国家自然科学基金资助项目（91637104,41661144006）

详细信息

通讯作者:
崔雪锋（1976—），男，山西人，博士，教授. 研究方向：气候变化、粮食安全. E-mail：xuefeng.cui@bnu.edu.cn

中图分类号:F326.3
计量
- 文章访问数:63
- HTML全文浏览量:18
- PDF下载量:10
- 被引次数:0
出版历程
- 收稿日期:2022-01-22
- 录用日期:2022-04-26
- 刊出日期:2022-11-27

A meat supply-demand model and some suggestions

JIA Junwen,
CUI Xuefeng^,

School of System Science, Beijing Normal University, The State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, 100875, Beijing, China

摘要

摘要:经过对现有供需模型效果与肉类供需问题的分析，发现不能忽略地区间的差异；机器学习方法是肉类供需研究方面更可靠的工具；肉类的消费、生产、贸易和政府政策举措时刻处在动态平衡的状态，应在考虑地区差异性的基础上，分别针对消费、生产、贸易、政策模块进行历史研究和未来预估，运用多主体思想模拟各模块之间的平衡互动关系．
- 肉类供需模型/
- 时间序列/
- 演化归因/
- 复杂系统/
- 机器学习
Abstract:Continued developments in Chinese economy and society have led to a rapidly changing meat supply-demand system．Accurate and long-term prediction of meat supply-demand has become a concern for scholars．Quantitative research on the supply and demand of meat in China involves two main model types: time series-based models and evolutionary attribution models．Meat supply-demand is complex, previous works often used simplifications, unreflective of the complex nature of meat supply-demand．Existing supply-demand models on meat supply and demand indicate that differences among regions must not be ignored, machine learning is reliable in the meat supply-demand field．Meat consumption, production, trade and government policy are dynamically balanced at all times．Regional differences and historical research are taken into account, forecasts should be carried out on consumption, production, trade and policy modules respectively．Balanced interactions between modules should be simulated using multi-agent thinking．
- meat supply-demand model/
- time series/
- evolutionary attribution/
- complex system/
- machine learning

HTML全文

图 1基于机器学习的消费模型模拟效果比较

下载: 全尺寸图片幻灯片

图 2多主体模型框架

下载: 全尺寸图片幻灯片

表 14种模型模拟肉类消费的评价指标

数据集	评价指标	GPR	SVM	ANN	RF
训练集	MAPE/%	7.32068	4.16374	5.90269	2.10916
	RMSE	2.54556	1.86266	1.92882	1.27686
	COD	0.91775	0.96586	0.95197	0.99815
	EVS	0.90639	0.95314	0.94867	0.99356
测试集	MAPE/%	14.77193	9.14731	9.10019	5.43153
	RMSE	3.87445	3.21708	3.08563	2.40633
	COD	0.89312	0.93416	0.94587	0.99508
	EVS	0.88578	0.93241	0.93867	0.99309

下载: 导出CSV

参考文献 (50)

[1]	司智陟, 基于营养目标的我国肉类供需分析[D]. 北京: 中国农业科学院, 2012
[2]	FAOSTAT. Statistical yearbook 2021: world food and agriculture [M]. Rome: Food and Agriculture Organization of the United Nations, 2021
[3]	FU Q,ZHU Y Q,SUN J L,et al. Spatial analysis and districting of the livestock and poultry breeding in China[J]. Journal of Geographical Sciences,2012,22(6):1079doi:10.1007/s11442-012-0984-4
[4]	杨旺明,栾一博,杨陈,等. 中国饮食所需耕地面积长时间尺度变化研究[J]. 资源科学,2013,35(5):901
[5]	刘晓磊,田青,阎东东,等. 中国城乡居民饮食结构差异分析:基于营养级视角[J]. 营养学报,2016,38(4):332
[6]	白军飞,闵师,仇焕广,等. 人口老龄化对我国肉类消费的影响[J]. 中国软科学,2014(11):17doi:10.3969/j.issn.1002-9753.2014.11.003
[7]	BHANDARI R,SMITH F. Education and food consumption patterns in China:household analysis and policy implications[J]. Journal of Nutrition Education,2000,32(4):214doi:10.1016/S0022-3182(00)70559-0
[8]	夏晓平,李秉龙,隋艳颖. 中国肉羊产地移动的经济分析:从自然性布局向经济性布局转变[J]. 农业现代化研究,2011,32(1):32doi:10.3969/j.issn.1000-0275.2011.01.008
[9]	何洋,刘丑生. 我国禽肉产业发展现状和对策[J]. 中国饲料,2019(3):91
[10]	周道玮,张平宇,孙海霞,等. 中国粮食生产与消费的区域平衡研究:基于饲料粮生产及动物性食物生产的分析[J]. 土壤与作物,2017,6(3):161
[11]	陈普青,丁雪艳. 我国肉类产品需求及饲料原料进口趋势[J]. 中国饲料,2019(24):113
[12]	孙振. 中国肉类局部均衡模型研究[D]. 北京: 中国农业科学院, 2016
[13]	张伶燕,葛翔. 时间序列模型在我国牛肉产量预测中的应用[J]. 中国畜牧杂志,2008,44(7):42
[14]	梁小珍,刘秀丽,杨丰梅. 我国生猪年度供给量预测研究[J]. 系统科学与数学,2011,31(3):265
[15]	ZENG B, LI S L, MENG W, et al. An improved gray prediction model for China’s beef consumption forecasting [J]. PLoS ONE, 2019, 14(9): e0221333
[16]	张超,万飞,许伟,等. 基于一种新的分解:集成模型的我国猪肉年度需求量预测研究[J]. 系统科学与数学,2013,33(1):76
[17]	马福玉,余乐安. 基于神经网络的我国猪肉年度消费需求量预测研究[J]. 系统科学与数学,2013,33(1):67
[18]	韩敏,任伟杰,李柏松,等. 混沌时间序列分析与预测研究综述[J]. 信息与控制,2020,49(1):24
[19]	杨海民,潘志松,白玮. 时间序列预测方法综述[J]. 计算机科学,2019,46(1):21doi:10.11896/j.issn.1002-137X.2019.01.004
[20]	戴邵武,陈强强,刘志豪,等. 基于EMD-LSTM的时间序列预测方法[J]. 深圳大学学报,2020,37(3):257
[21]	王威,陈熙源. 一种基于多尺度和改进支持向量机的光纤陀螺温度漂移建模与补偿方法[J]. 中国惯性技术学报,2016,24(6):793doi:10.13695/j.cnki.12-1222/o3.2016.06.017
[22]	刘秀丽,陈锡康,丁先军. 关于我国生猪供需量和供需缺口的预测[J]. 统计与决策,2008(23):109doi:10.13546/j.cnki.tjyjc.2008.23.032
[23]	HAN M,REN W J,XU M L,et al. Nonuniform state space reconstruction for multivariate chaotic time series[J]. IEEE Transactions on Cybernetics,2018,49(5):1885
[24]	许泽东,刘福祥. 灰色GM(1,1)模型优化研究进展综述[J]. 计算机科学,2016,43(11):6doi:10.11896/j.issn.1002-137X.2016.11.002
[25]	邓聚龙. 灰色控制系统[J]. 华中科技大学学报(自然科学版),1982,10(3):9
[26]	孙爱军,魏凤. 基于新陈代谢GM(1,1)模型的陕西省生猪及猪肉生产预测[J]. 农村经济与科技,2011,22(1):33doi:10.3969/j.issn.1007-7103.2011.01.015
[27]	陈涛捷. 灰色预测模型的一种拓广[J]. 系统工程,1990(4):50
[28]	耿继进. 灰色预测理论若干问题的研究[J]. 武汉大学学报(信息科学版),1994(1):57
[29]	丁丽娜. 中国羊肉市场供求现状及未来趋势研究[D]. 北京: 中国农业大学, 2014
[30]	高鸿业. 西方经济学[M]. 北京: 中国人民大学出版社, 2016
[31]	樊慧丽,付文阁. 基于局部均衡模型的中国羊肉市场供需变动分析[J]. 浙江农业学报,2020,32(6):1123doi:10.3969/j.issn.1004-1524.2020.06.20
[32]	胡向东. 基于市场模型的我国猪肉供需研究[D]. 北京: 中国农业科学院, 2011
[33]	黄季焜,李宁辉. 中国农业政策分析和预测模型:CAPSiM[J]. 南京农业大学学报(社会科学版),2003(2):30
[34]	胡向东,王明利,石自忠. 基于市场模型的中国猪肉供需分析[J]. 中国农村经济,2015(4):14
[35]	杨春,王国刚,王明利. 基于局部均衡模型的我国牛肉供求变化趋势分析[J]. 统计与决策,2015(18):98
[36]	王娜. 基于最小二乘支持向量机的北京市肉类需求量预测研究[D]. 北京: 北京交通大学, 2013
[37]	申秋红. 中国家禽产业的经济分析[D]. 北京: 中国农业科学院, 2008
[38]	刘玉凤. 我国羊肉供需及市场均衡模拟研究[D]. 北京: 中国农业科学院, 2015
[39]	李苏,宝哲,多春梅. 局部均衡理论视角的中国猪肉产品供需预测[J]. 黑龙江畜牧兽医,2019(8):1doi:10.13881/j.cnki.hljxmsy.2018.03.0223
[40]	姜彤,赵晶,曹丽格,等. 共享社会经济路径下中国及分省经济变化预测[J]. 气候变化研究进展,2018,14(1):50
[41]	姜彤,赵晶,景丞,等. IPCC共享社会经济路径下中国和分省人口变化预估[J]. 气候变化研究进展,2017,13(2):128
[42]	WANG M R, KROEZE C, STROKAL M, et al. Reactive nitrogen losses from China’s food system for the shared socioeconomic pathways (SSPs) [J]. Science of the Total Environment, 2017, 605: 884
[43]	VRANKEN L,AVERMAETE T,PETALIOS D,et al. Curbing global meat consumption:emerging evidence of a second nutrition transition[J]. Environmental Science and Policy,2014,39:95doi:10.1016/j.envsci.2014.02.009
[44]	PFEILER T M,EGLOFF B. Examining the “Veggie” personality:results from a representative German sample[J]. Appetite,2018,120:246doi:10.1016/j.appet.2017.09.005
[45]	YORK R,GOSSARD M H. Cross-national meat and fish consumption:exploring the effects of modernization and ecological context[J]. Ecological Economics,2004,48(3):293doi:10.1016/j.ecolecon.2003.10.009
[46]	MILLER R. Drivers of consumer liking for beef,pork,and lamb:a review[J]. Foods,2020,9(4):428doi:10.3390/foods9040428
[47]	ZHAO S,LI J,CHEN C,et al. Interpretable machine learning for predicting and evaluating hydrogen production via supercritical water gasification of biomass[J]. Journal of Cleaner Production,2021,316(5):128244
[48]	MORA C,DOUSSET B,CALDWELL I R,et al. Global risk of deadly heat[J]. Nature Climate Change,2017,7(7):501doi:10.1038/nclimate3322
[49]	GUTSCHOW J,JEFFERYL M,GUNTHER A,et al. Country-resolved combined emission and socio-economic pathways based on the representative concentration pathway (RCP) and shared socio-economic pathway (SSP) scenarios[J]. Earth System Science Data,2021,13(3):1005doi:10.5194/essd-13-1005-2021
[50]	MILFORD A B,LE MOUEL C,BODIRSKY B L,et al. Drivers of meat consumption[J]. Appetite,2019,141:104313doi:10.1016/j.appet.2019.06.005