基于IOWA的中國海洋生物醫(yī)藥業(yè)組合預(yù)測模型的應(yīng)用研究

鄭　莉，張玉潔，李琳琳

（國家海洋信息中心，天津 300171）

【統(tǒng)計與分析】

基于IOWA的中國海洋生物醫(yī)藥業(yè)組合預(yù)測模型的應(yīng)用研究

鄭莉，張玉潔，李琳琳

（國家海洋信息中心，天津 300171）

基于誘導(dǎo)有序加權(quán)平均算子的組合預(yù)測方法是近年來發(fā)展起來的具有廣泛應(yīng)用的預(yù)測模型。首先采用指數(shù)平滑模型、ARIMA模型及多元回歸模型建立了中國海洋生物醫(yī)藥業(yè)增加值的單項預(yù)測模型；隨后引進誘導(dǎo)有序加權(quán)平均 （IOWA）算子的概念，建立了海洋生物醫(yī)藥業(yè)增加值的組合預(yù)測模型，實證結(jié)果表明組合模型能有效提高預(yù)測精度；最后利用組合模型對 “十三五”期間中國海洋生物醫(yī)藥業(yè)發(fā)展趨勢進行了預(yù)測分析。

海洋生物醫(yī)藥業(yè)；誘導(dǎo)有序加權(quán)平均算子；組合預(yù)測；海洋經(jīng)濟；海洋產(chǎn)業(yè)

引言

中國海洋自然條件優(yōu)越，海域遼闊，大陸海岸線長達18 000多千米，海洋資源種類繁多，海洋生物資源儲備豐富。中國現(xiàn)代海洋藥物的研究始于20世紀(jì)70年代，隨后海洋生物藥物產(chǎn)業(yè)也快速發(fā)展起來，產(chǎn)生了可觀的經(jīng)濟效益。當(dāng)前中國海洋生物產(chǎn)業(yè)處于起步向全面產(chǎn)業(yè)化發(fā)展的關(guān)鍵時期，隨著國家對海洋生物醫(yī)藥業(yè)政策扶持和投入力度的逐步加大，海洋戰(zhàn)略性新興產(chǎn)業(yè)中的海洋生物醫(yī)藥業(yè)發(fā)展正行駛在快車道。適時加快對海洋生物醫(yī)藥業(yè)發(fā)展的宏觀分析與預(yù)測研究對于確定全國海洋生物醫(yī)藥業(yè)增長目標(biāo)和海洋開發(fā)戰(zhàn)略將具有重要的實踐和參考意義。本文將以海洋戰(zhàn)略性新興產(chǎn)業(yè)——海洋生物醫(yī)藥業(yè)為例，對海洋生物醫(yī)藥業(yè)增加值建立動態(tài)組合預(yù)測模型，為其它海洋產(chǎn)業(yè)發(fā)展趨勢預(yù)測提供一定的借鑒。

1　誘導(dǎo)有序加權(quán)組合預(yù)測模型簡介應(yīng)用情況

國內(nèi)外許多學(xué)者和機構(gòu)都對海洋生物醫(yī)藥業(yè)的預(yù)測方法進行了廣泛研究，主要方法為時間序列分析法、灰色預(yù)測法、情景分析法等，但組合預(yù)測的文獻較少。組合預(yù)測可以綜合利用各種預(yù)測方法所提供的信息，提高預(yù)測的精確度和可靠性。Bates和Granger（1969）［1］首次提出了組合預(yù)測的概念，即通過確定各單項預(yù)測方法的加權(quán)平均系數(shù)，以適當(dāng)權(quán)重將不同的單項預(yù)測方法進行組合?；诮M合預(yù)測的思想，Yager（1999，2002）［2，3］提出誘導(dǎo)有序加權(quán)平均（IOWA）算子，通過引入IOWA算子，根據(jù)各單項預(yù)測方法在樣本區(qū)間上各時點的擬合精度的高低按順序賦權(quán)，以誤差平方和為準(zhǔn)則建立一種動態(tài)組合預(yù)測模型。國內(nèi)學(xué)者陳華友（2003，2005）［4，5］最先使用誘導(dǎo)有序加權(quán)的預(yù)測方法，并證明該方法相比于傳統(tǒng)的廣義加權(quán)算術(shù)平均組合預(yù)測方法具有更高的精度，各種預(yù)測誤差指標(biāo)值均低于傳統(tǒng)方法。這種方法克服了傳統(tǒng)靜態(tài)組合預(yù)測模型在集成時存在對單項預(yù)測方法以固定權(quán)系數(shù)賦權(quán)的缺陷，可以對不同時期的單模型預(yù)測結(jié)果進行動態(tài)集成。

誘導(dǎo)有序加權(quán)平均組合預(yù)測模型基本計算過程如下［4-6］。

1.1計算預(yù)測精度

設(shè)某經(jīng)濟現(xiàn)象的指標(biāo)序列有觀察值為 ｛yt，t=1，2…，N｝，有m種可行的單項預(yù)測方法，設(shè)yt為第t時刻的真實值，為第t時刻第種方法的預(yù)測值。i=1，2，…，m；t=1，2，…，N。w1，w2，…，w3為單項預(yù)測方法在組合預(yù)測中的加權(quán)系數(shù)，滿足

稱ait表示第i種預(yù)測方法第t時刻預(yù)測精度，或預(yù)測值的誘導(dǎo)值，若：顯然，ait∈［0，1］預(yù)測度反映了預(yù)測模型的擬合值與實際值擬合程度的優(yōu)劣。

1.2確定IOWA算子組合預(yù)測值

將ait看成的誘導(dǎo)值，構(gòu)建m個二維數(shù)組并按從大到小的順序排列預(yù)測精度序列a1t，a2t，…，amt，對排序后的預(yù)測值分別賦以權(quán)重。則可確定IOWA算子的組合預(yù)測值：

式中：a-index（it）是第i個大的預(yù)測精度的下標(biāo)，W=（W1，W2，…，Wm）T為各單項預(yù)測方法在組合預(yù)測中的IOWA算子的加權(quán)向量。顯然，新的組合預(yù)測的賦權(quán)系數(shù)與單項預(yù)測方法在各時點上的預(yù)測精度大小密切相關(guān)，預(yù)測精度高就優(yōu)先賦大一點的權(quán)系數(shù)。

1.3建立基于IOWA算子的組合預(yù)測模型

式中：R=（1，1，…，1）T，W=（W1，W2，…，Wm）T，上述規(guī)劃實際上是一個二次規(guī)劃，可利用Kuhn-Tucker條件將其轉(zhuǎn)化為線性規(guī)劃或直接用matlab最優(yōu)化工具箱來求解出最優(yōu)權(quán)系數(shù)

1.4基于IOWA算子的組合預(yù)測模型的預(yù)測

通過上文二次規(guī)劃模型求解可以獲得樣本區(qū)間上組合預(yù)測IOWA最優(yōu)權(quán)系數(shù)，設(shè)W*=根據(jù)預(yù)測連貫性的原則，可進行預(yù)測區(qū)間［N+1，N+2，…］的基于IOWA算子組合預(yù)測，公式為：

式中：t=N+1，N+2，…，在預(yù)測區(qū)間 ［N+ 1，N+2，…］上，a1t，a2t，…，amt（預(yù)測精度序列）的大小是根據(jù)各單項預(yù)測方法在樣本區(qū)間上近幾期擬合平均精度的高低來確定。即要進行未來k步的預(yù)測時，用第i種預(yù)測方法最近的k期擬合平均精度來反映預(yù)測區(qū)間上第期的預(yù)測精度。

在應(yīng)用方面，胡彥（2009）［7］等建立基于IOWA算子的稅收組合預(yù)測模型，夏立福等（2011）［8］以實際工程為例，將IOWA算子組合預(yù)測結(jié)果與單一模型結(jié)果進行比較，驗證了IOWA算子組合預(yù)測方法的實用性。吳鳳平（2013）［9］采用BP神經(jīng)網(wǎng)絡(luò)和GM（1，1）作為單項預(yù)測模型，對連云港港口吞吐量建立了基于IOWA算子的組合預(yù)測模型，并驗證了該模型預(yù)測精度優(yōu)于各單一預(yù)測模型，各項誤差指標(biāo)都低于其他兩種預(yù)測方法。盡管IOWA算子組合預(yù)測方法具有比傳統(tǒng)預(yù)測方法更精確，更穩(wěn)定的預(yù)測結(jié)果，但基本尚未應(yīng)用在海洋經(jīng)濟預(yù)測領(lǐng)域，本文擬在海洋經(jīng)濟領(lǐng)域引入IOWA算子的組合預(yù)測模型，選取海洋生物醫(yī)藥產(chǎn)業(yè)為例，對海洋生物醫(yī)藥業(yè)增加值建立動態(tài)組合預(yù)測模型。

2　中國海洋生物醫(yī)藥業(yè)增加值預(yù)測實證研究

下文將對中國海洋生物醫(yī)藥業(yè)增加值建立指數(shù)平滑模型、ARIMA模型及多元回歸模型3種模型，并在此基礎(chǔ)上進行組合預(yù)測研究［10-12］。其中，建模數(shù)據(jù)來源于《中國海洋統(tǒng)計年鑒》（2002—2014年）及《2014年中國海洋經(jīng)濟統(tǒng)計公報》。圖1描述了中國海洋生物醫(yī)藥業(yè)增加值走勢（2001—2014年）。

圖1　2001—2014年中國海洋生物醫(yī)藥業(yè)增加值Fig.1　The added value of China's marine biomedicine industry from 2001-2014

2.1單項預(yù)測模型

2.1.1指數(shù)平滑模型

指數(shù)平滑法適用于不具有明顯的季節(jié)波動和趨勢變動的單指標(biāo)時間序列數(shù)據(jù)。指數(shù)平滑法分為單指數(shù)平滑法、雙指數(shù)平滑法、Holt-Winters乘法模型、Holt-Winters加法模型和Holt-Winters無季節(jié)性模型，其中Holt-Winters無季節(jié)性模型適用于具有時間趨勢但無季節(jié)變化的序列，對于中國海洋生物醫(yī)藥業(yè)增加值數(shù)據(jù)序列yt，可以采用這種方法進行預(yù)測，yt平滑后的序列y^t的計算式為：y^t+k=at+btk，k＞0，其中at表示截距，bt表示斜率，這兩個參數(shù)定義為下列遞歸式：

式中：α、β取值在［0，1］之間，稱之為阻尼因子。預(yù)測值就可以由下式計算：

利用2001—2014年海洋生物醫(yī)藥業(yè)增加值數(shù)據(jù)，利用Eviews軟件建立Holt-Winters無季節(jié)性模型，得到α、β值分別為1、0.57。通過上述指數(shù)平滑模型得到2003—2014年中國海洋生物醫(yī)藥業(yè)增加值見表1。

2.1.2ARIMA模型

ARIMA模型是被廣泛運用于對各類時間序列數(shù)據(jù)分析和建模的方法。模型基于如下的觀念：要預(yù)測的時間序列是由某個隨機過程生成的。如果生成序列的隨機過程不隨時間變化，則該隨機過程的結(jié)構(gòu)可以被確切地刻畫和描述。利用序列過去的觀察值，可以外推出序列的未來值。在ARIMA模型中，序列的未來值被表示成滯后項和隨機干擾項的當(dāng)期及滯后期的線性函數(shù)，即模型的一般形式如下式所示：

上述模型稱為ARIMA（p，d，q）模型，其中，Yt是d階單整序列，由一個自回歸模型AR（p）和一個移動平均模型MA（q）組成，p為模型的自回歸項數(shù)，q為模型的移動平均項數(shù)。其中，Yt是自回歸移動平均序列，c為常數(shù)，α1，…，αp表示自回歸系數(shù)，β1，…，βq表示移動平均系數(shù)，εt是相互獨立的白噪聲序列。

根據(jù)上述建模過程，利用2001—2014年數(shù)據(jù)，對中國海洋生物醫(yī)藥業(yè)增加值序列建立ARIMA（0，2，2）模型，方程估計結(jié)果如下：

采用上述建立的ARIMA模型并通過靜態(tài)預(yù)測法，可得到2003—2014年中國海洋生物醫(yī)藥業(yè)增加值見表1。

2.1.3多元回歸模型

多元回歸模型的基本表達式如下：

式中：y為因變量，x為自變量，b0，b1，…，bn為待估計參數(shù)。最常見的參數(shù)估計方法為最小二乘估計法。多元回歸模型包括線性回歸及非線性回歸，有多種變形，其中自變量可取對數(shù)、指數(shù)、冪指數(shù)等多種形式。

本文將對中國海洋生物醫(yī)藥業(yè)增加值建立基于生產(chǎn)函數(shù)的回歸方程并預(yù)測。回歸方程的解釋變量包括資本投入、勞動力投入。由于海洋生物醫(yī)藥業(yè)時間序列較短，本文假定規(guī)模報酬不變即α+β=1，通過對C-D生產(chǎn)函數(shù)的一般形式進行變形（其中，Y、K、 L分別表示產(chǎn)出量、資本、勞動投入量，α、β分別表示資本、勞動的產(chǎn)出彈性，A0為常數(shù)，表示基年的技術(shù)水平，r也是常數(shù)，表示科技進步增長速度，t表示時間，A0ert表示t年的綜合科技水平），得到新的形式這一模型形式可以節(jié)省自由度。從圖1可以看出，2009年中國海洋生物醫(yī)藥業(yè)增加值減少，究其原因，主要是受2008年的金融危機的影響。為了能夠捕捉到突發(fā)事件對回歸模型的影響、提高預(yù)測精度，本文在回歸模型中設(shè)置了虛擬變量dum09，將該變量2009年數(shù)值設(shè)置為1，其它年份設(shè)置為0。其中海洋生物醫(yī)藥業(yè)的資本變量沒有統(tǒng)計數(shù)據(jù)，用沿海地區(qū)固定資本投入乘以海洋生物醫(yī)藥業(yè)增加值占全國海洋生產(chǎn)總值比重進行替代，建立如下回歸模型：

采用多元回歸模型得到的2003—2014年中國海洋生物醫(yī)藥業(yè)增加值見表1。

2.2基于IOWA算子的組合預(yù)測模型

用上述三種單項模型分別對中國2003—2014年的海洋生物醫(yī)藥業(yè)增加值進行預(yù)測，隨后根據(jù)三種單項模型的預(yù)測結(jié)果建立基于IOWA算子的組合預(yù)測模型，并計算組合權(quán)重。根據(jù)式（1）可以得到三種模型在各個時點處的預(yù)測精度序列，從而可以構(gòu)造出第t時刻預(yù)測精度和其對應(yīng)在樣本區(qū)間的預(yù)測值的二維數(shù)組如表1。

按式（2）對上表計算IOWA組合預(yù)測值，下面t=1，2以簡要說明計算過程，當(dāng)t=1時：

同理可得t=3，…，11的IOWA組合預(yù)測值，根據(jù)式（3）和式（4），得如下最優(yōu)化組合模型：

對上式利用Matlab最優(yōu)化工具箱計算得到基于IOWA的組合預(yù)測模型的最優(yōu)權(quán)系數(shù)為：則在t時刻組合預(yù)測模型的預(yù)測值為：

表1　三種單項預(yù)測方法預(yù)測精度及預(yù)測值二維數(shù)組Tab.1　Two-dimensional arrays consisting of prediction accuracy and predictive value of three forecasting methods

由上述組合模型知，時刻預(yù)測精度排名第二的單項預(yù)測法對應(yīng)的權(quán)系數(shù)取值零，說明該時刻對應(yīng)的單項預(yù)測方法冗余，這和傳統(tǒng)的組合預(yù)測方法的權(quán)系數(shù)的計算有很大的不同。

2.3模型的評價及預(yù)測

一般模型比較方法有絕對數(shù)值比較和相對數(shù)值比較，其中均方根誤差和平均絕對誤差屬于絕對數(shù)值比較，而平均絕對百分比誤差和希爾不等系數(shù)屬于相對數(shù)值比較［4-13］。由于均方根誤差的應(yīng)用原理與平均絕對誤差基本一致，選一種即可，因此最終選擇平均絕對百分誤差、均方誤差和希爾不等系數(shù)進行模型的評價。一般認為平均絕對百分比誤差（MAPE）的值低于5%，則預(yù)測精度很高；均方根誤差越小越好；希爾不等系數(shù)（Theil IC）的值介于0～1之間，且值越小，模型的精度越高。其中，

平均絕對百分比誤差：

均方根誤差：

希爾不等系數(shù)：

選取2003——2014年中國海洋生物醫(yī)藥業(yè)增加值單項模型預(yù)測及組合模型預(yù)測數(shù)據(jù)計算預(yù)測誤差，從而進行模型評價，結(jié)果見表2及表3。由表2中結(jié)果可知，多元回歸模型的MAPE值、RMSE值和Theil IC值較其它單項模型都小，且組合預(yù)測模型的MAPE值、RMSE值和Theil IC值均小于所有單個預(yù)測模型，同時也小于簡單算術(shù)加權(quán)組合預(yù)測模型。由此可見，組合預(yù)測模型比單項預(yù)測模型的精度要高，同時比傳統(tǒng)簡單算術(shù)加權(quán)平均組合預(yù)測精度高，從而表明基于IOWA算子的海洋生物醫(yī)藥業(yè)增加值組合預(yù)測模型具有效性和優(yōu)越性，是優(yōu)性組合模型。從表3中結(jié)果可知，基于IOWA算子的組合模型具有很強的預(yù)測性，所有年份的預(yù)測誤差均在5%以內(nèi)。此外，由圖2可看出，所有預(yù)測方法中，基于IOWA算子的組合模型預(yù)測值曲線與實際值曲線最為接近。

從前面的分析可得知，如果所選取的模型的信息具有很強的互補性，那么模型的預(yù)測誤差將會更大幅度的降低，因此單項預(yù)測模型的選取在組合預(yù)測模型中是非常重要的。

表2　各個預(yù)測模型評價結(jié)果Tab.2　Evaluation results of each model

表3　基于IOWA算子的組合預(yù)測模型結(jié)果及評價Tab.3　Result and evaluation of the combined forecasting model based on the IOWA operator

圖2　2003—2014年中國海洋生物醫(yī)藥業(yè)增加值實際曲線和擬合曲線Fig.2　The actual curve and fitting curve of the added value of China's marine biomedicine industry from 2003-2014

3　“十三五”時期海洋生物醫(yī)藥業(yè)預(yù)測及分析

根據(jù)上述單項模型及組合預(yù)測模型對2015至2020年中國海洋生物醫(yī)藥業(yè)增加值進行實證預(yù)測，其中，為了預(yù)測2015—2020年海洋生物醫(yī)藥業(yè)增加值，需要對回歸模型中自變量進行預(yù)測，對于海洋生物醫(yī)藥資本變量預(yù)測采用ARIMA（1，1，1）模型預(yù)測，海洋生物醫(yī)藥業(yè)涉海就業(yè)人員采用指數(shù)平滑法預(yù)測。結(jié)果如表4所示。

表4　“十三五”時期中國海洋生物醫(yī)藥業(yè)增加值的預(yù)測值Tab.4　Forecast results of the added value of China's marine biomedicine industry during the 13th Five-Year Plan period　億元

由表4知，預(yù)計到2020年，中國海洋生物醫(yī)藥業(yè)增加值將達到558億元，“十三五”期間海洋生物醫(yī)藥業(yè)增加值的增速將達到14.6%（現(xiàn)價）。在國民經(jīng)濟新常態(tài)大背景下，隨著中國海洋強國及海上絲綢之路戰(zhàn)略的實施，經(jīng)濟體制改革和創(chuàng)新驅(qū)動的推進，以及國家和地方政府政策的大力支持，“十三五”期間中國海洋經(jīng)濟將逐步進入轉(zhuǎn)型期，經(jīng)濟增長轉(zhuǎn)入中高速、結(jié)構(gòu)優(yōu)化、效益提高、民生改善。海洋生物醫(yī)藥固定資產(chǎn)投資屬于產(chǎn)業(yè)發(fā)展前期投入，由上文建立的多元回歸模型可知，海洋資本的產(chǎn)出彈性為0.84，勞動力產(chǎn)出彈性為0.16，可見海洋生物醫(yī)藥業(yè)是資本密集型產(chǎn)業(yè)，符合海洋新興產(chǎn)業(yè)發(fā)展特征，明顯區(qū)別于傳統(tǒng)海洋產(chǎn)業(yè)過分依賴于勞動力投入的發(fā)展模式。因此可以預(yù)期，作為海洋戰(zhàn)略性新興產(chǎn)業(yè)，海洋生物醫(yī)藥業(yè)將順應(yīng)國內(nèi)外經(jīng)濟形勢變化，增速將放緩。

4　結(jié)語

本文首次將IOWA算子組合預(yù)測方法引入到海洋經(jīng)濟預(yù)測領(lǐng)域，動態(tài)集成了指數(shù)平滑模型、ARIMA模型、回歸模型三種方法對中國海洋生物醫(yī)藥業(yè)增加值數(shù)據(jù)進行了擬合，并對“十三五”期間中國海洋生物醫(yī)藥業(yè)的發(fā)展趨勢進行了預(yù)測。在單模型預(yù)測時，本文的創(chuàng)新點在于在多元回歸模型預(yù)測中，加入了突發(fā)事件虛擬變量，并對自變量采用了ARIMA模型進行預(yù)測。結(jié)果顯示利用IOWA算子組合預(yù)測方法對其進行動態(tài)集成，集成后的誤差得到了有效地控制，且全部控制在5%以內(nèi)，預(yù)測精度較單項方法的預(yù)測精度得到大大提高。

但是，本文依然存在著一定的不足之處，可以在下一步的研究中進行創(chuàng)新和改進。首先，進行單模型預(yù)測時，由于本文預(yù)測對象可搜集到的數(shù)據(jù)較少，一些時間序列模型的預(yù)測效果并不是特別顯著，可以嘗試?yán)锰幚硇颖镜囊恍┠Ｐ瓦M行建模預(yù)測，達到提高預(yù)測精度的目的。其次，在組合預(yù)測時，本文采用了動態(tài)組合預(yù)測方法，大大降低了預(yù)測誤差。但是，這種組合預(yù)測方法自身也存在一定的缺陷，比如說，在某些年份如果單模型預(yù)測結(jié)果都偏大，則最后組合預(yù)測的結(jié)果一定偏大，在今后的研究中將組合預(yù)測模型與專家意見集成對上述缺點進行改進將會是未來研究的一個方向。

［1］Bates J M，Granger C W J.The combination of forecasts［J］.Operational Research Quarterly，1969，20（4）：451-468.

［2］Yager R R.Induced ordered weighted averaging operators［J］.IEEE Transactions on Systems，Man，and Cybernetics，Part B，1999，29（2）：141-150.

［3］ Yager R R.Using fuzzy methods to model nearest neighbor rules［J］.IEEE Transactions on Systems，Man and Cybernetics，Part B，2002，32（4）：512-525.

［4］陳華友，劉春林.基于IOWA算子的組合預(yù)測方法 ［J］.預(yù)測，2003，22（6）：61-65.

［5］ 陳華友.組合預(yù)測方法有效性理論及其應(yīng)用 ［M］.北京：科學(xué)出版社，2008.

［6］郭金童，趙光明.基于IOWA的中國能源需求組合預(yù)測模型的應(yīng)用研究［J］.未來與發(fā)展，2010，1：68-72.

［7］胡彥，李秀美，陳華友．基于IOWA算子的稅收組合預(yù)測模型［J］．統(tǒng)計與決策，2009（10）：33-35．

［8］夏立福，李井春，王洪海.基于IOWA算子的組合預(yù)測模型研究及應(yīng)用 ［J］．測繪與空間地理信息，2011，34（1）：208-212.

［9］吳鳳平，曹艷國.基于IOWA算子的港口吞吐量組合預(yù)測方法［J］.水利經(jīng)濟，2013，05：11-14+75.

［10］姜繼嬌，楊乃定．基于IOWA算子的行為證券組合投資決策研究［J］．系統(tǒng)工程理論與實踐，2004（11）：57-62．

［11］王應(yīng)用，羅英.廣義加權(quán)算術(shù)平均組合預(yù)測技術(shù)研究［J］.預(yù)測，1998，17（1）：51～53.

［12］盧二坡.組合模型在中國能源需求預(yù)測中的應(yīng)用 ［J］.數(shù)理統(tǒng)計與管理，2006，25（5）：505-511.

［13］丁晨芳．組合模型分析方法在中國糧食產(chǎn)量預(yù)測中的應(yīng)用［J］．農(nóng)業(yè)現(xiàn)代化研究，2007（1）：101-103．

Applied Research on Combined Forecasting Model of China′s Marine Biomedicine Industries Based on Induced Ordered Weighted Averaging Operators

Zheng Li，Zhang Yujie，Li Linlin
（National Marine Data and Information Service，Tianjin 300171，China）

The method of combination forecasting based on the induced ordered weighted averaging operator has been developed in recent years and used in a wide range of applications.Firstly，we respectively make use of exponential smoothing model，ARIMA model and multiple regression to construct models of added value of China′s marine biomedicine industry.Secondly，by introducing the concept of induced ordered weighted averaging operator，we construct the combination forecasting model of added value of marine biomedicine industry.The empirical results show that the combined forecasting model can effectively improve the prediction accuracy.Finally，we predict the development trend of China′s marine biomedicine industry during the 13th Five-Year Plan period by using the above combination forecasting model.

marine biomedicine industry；IOWA operator；combination forecasting

F224

A

2095-1647（2016）01-0038-08

2016-02-05

鄭莉，女，助理研究員，主要研究方向為海洋經(jīng)濟統(tǒng)計、預(yù)測分析，E-mail：zhengli_668@126.com。