基于深度学习的粮食产量预测模型研究

粮食产量受到气候、经济等多重因素的影响,具有非线性、非平稳等特性,给产量预测带来一定的困难。准确预测粮食产量有助于稳定粮食生产、保障国家粮食安全。以1978—2022年全国粮食产量数据为例,预测2020—2022年的粮食产量。首先采用经验模态分解（empirical mode decomposition,EMD）算法对影响粮食产量的变量进行分解,然后采用主成分分析（principal components analysis,PCA）方法对分解后的变量进行降维,最后使用长短期记忆网络（long short term memory networks,LSTM）模型对粮食产量进行预测。结果表明,LSTM模型、PCA-LSTM模型、EMD-LSTM模型和EMD-PCA-LSTM模型对粮食产量预测的平均绝对百分比误差分别为1.37%、0.97%、1.11%和0.79%,以EMD-PCA-LSTM模型的粮食产量预测结果最优,可作为一种新的粮食产量预测方法。