基于深度学习的粮食产量预测模型研究  

作　　者：郭文锋 

机构地区：[1]山西农业大学基础部,山西太谷030801

出　　处：《现代农业科技》2024年第24期197-200,共4页Modern Agricultural Science and Technology

基　　金：山西农业大学科技创新基金项目(2019006)。

摘　　要：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。

关 键 词：粮食产量 时间序列 深度学习 预测模型 

分 类 号：F326.11[经济管理—产业经济] TP183[自动化与计算机技术—控制理论与控制工程]