1. 研究目的与意义
我国是全世界粮食产量的第一大国，但随着城市化进程的加速，我国的耕地面积呈持续性减少趋势，人均耕地面积远低于世界人均耕地面积。这让我国粮食供需关系趋于紧张，粮食安全和社会稳定也受到了严重的威胁。
由于自然可利用资源少，自然灾害发生率高，以及农业基础设备的落后性等因素，很难判断出未来的年粮食产量能保持上升的趋势。为了保证粮食产量能够满足人民的需求以及国家发展的目标，有效地分析预测粮食总产量就尤为重要了。
关于我国粮食总产量的数据可以采用统计局提供的官方数据，也有许多专家运用多种建模方法从各种角度对粮食产量进行预测。因此可以建立多种模型或是混合模型对我国的粮食产量进行分析预测。
2. 研究内容和预期目标
本文主要研究的内容就是未来我国粮食总产量是否一直保持稳步上升的趋势。为了得到未来我国的粮食产量预测结果，建立ARIMA模型，预测p,d,q的值，从而得到最有效的预测模型。
解决该问题的关键在于尽可能得到最小预测误差的最优模型。因此，需要对预测出的ARIMA模型进一步进行检验。
得到最优模型后，也应该进行模型的改进。将其他的时间序列模型与ARIMA模型的混合模型进一步预测分析，比较两种方法的预测误差从而得到最终预测结果。3. 国内外研究现状
1、国外关于本课题的研究现状
20世纪初，国外专家对于粮食产量的分析预测只能依靠定性分析的方法，无法精确地测量影响粮食产量的各个因素所占的贡献率。随着技术的发展，国外学者引入生产函数的概念，利用统计计量的方法研究影响粮食产量的因素，得出了更精确的预测结果。然而，国外众多学者通过定量模型分别评估了不同雨养和灌溉条件下中国的最大粮食生产能力，认为通过技术进步来提高产量的前景不大。这个理论被我国众多学者反驳，认为这种用数据进行推测解释的世界粮食体系面临的危险大多与中国无关。因此，运用国外对粮食产量的预测分析方法在研究国内粮食生产能力上是行不通的。
4. 计划与进度安排
1、阐述本课题研究的目的与意义，以及国内外研究本选题的现状。
2、具体介绍ARIMA模型以及该模型的建模步骤。
3、根据往年的粮食产量数据，运用ARIMA模型对数据处理分析然后预测出未来我国的粮食产量。
5. 参考文献
[1]高旺盛，陈源泉. 农业宏观分析方法与应用. 中国农业大学出版社. 1991，9
[2]姚作芳，闫敏华等. 几种方法在粮食总产量预测中的比较 [J]. 干旱地区农业研究，2010，(7) : 264 – 267
[3]刘铁. 基于回归与ARMA组合模型的安康市农业发展预测研究[J]. 湖北农业科学，2019，(15):150-153
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
