基于机器学习的粮食产量预测模型研究 |
| |
作者单位: | 河北农业大学 机电工程学院,河北 保定 071000;河北农业大学 经济管理学院,河北 保定 071000;中央农业广播学校保定分校,河北 保定 071000 |
| |
基金项目: | 河北省科技厅重点研发项目;河北省教育厅科技项目 |
| |
摘 要: | 科学统计粮食产量数据并合理预测其发展趋势有助于稳定粮食生产、保障粮食安全。本文基于差分整合移动平均自回归(ARIMA)模型、广义回归神经网络(GRNN)模型以及长短期记忆人工神经网络(LSTM)模型,运用皮尔逊相关性分析方法选出影响粮食产量的主要因素并进行预测。以河北省保定市在1996—2014年粮食产量及16个粮食产量影响因素等历史数据为例,预测2015、2016和2017年粮食产量。试验结果表明,基于ARIMA模型预测的平均相对误差为0.96%,基于LSTM模型预测的平均相对误差为2.20%,基于ARIMAGRNN组合模型预测的的平均相对误差为0.47%。相比于其他预测模型,ARIMA-GRNN组合模型可有效地对粮食产量进行预测,并为粮食产量的预测提供了1种新方法。
|
关 键 词: | 粮食产量 预测算法 机器学习 影响因素 |
本文献已被 CNKI 万方数据 等数据库收录! |
|