农业产值是浙江省经济来源的一个重要指标,是衡量浙江省农民收入的重要来源,因此,对浙江省农业生产总值进行有效预测,研究农业生产总值的变化规律并对其增长态势进行精确预测,对于保障浙江省经济发展稳定、协助浙江省农业厅做出科学有效决策具有重大意义。本文使用1978年至2016年浙江省农业方面相关数据为数据集,以1978年至2013年数据为训练集,2014年至2016年为验证集。首先使用基于统计学方法的ARIMAX模型,对数据进行进行平稳性检验与处理,通过自相关和偏相关函数图对进行模型定阶,通过各个模型的AIC和BIC信息准则的对比,选择最优的相关数据模型进行对比分析,找到最小的AIC和BIC值,对数值进行农业产值预测,获得第一组模型数据。该模型的均方根误差值为228.7452,平均绝对误差值为224.0467。然后使用LSTM模型对数据进行预测,首先对数据进行主成分提取,选择合适的主成分,进行数据的长短时记忆循环神经网络的预测,对神经网络模型进行参数调优。得到模型的均方根误差值为0.0062,平均绝对误差值为0.0049,相较于ARIMAX模型有较大精度提升。最后综合两种模型,使用ARIMA模型对主成分分析后的数据的特征进行提取,使用循环神经网络进行预测浙江省2017年至2019年农业生产总值。得到的ARIMA-LSTM模型的均方根误差为0.0071,平均绝对误差值0.0056对比ARIMAX模型,虽然相较于训练模型精度略有下降,但是由于运用了ARIMA进行特征提取,使得模型的扩展性更加丰富。