论文部分内容阅读
对于各个国家而言,保障作物稳步生产直接关系到国家的稳定和经济的长期发展,中国不仅是农业大国,而且还是人口大国。农作物产量的充裕时时刻刻牵动着各行各业,牵动着每个人,玉米作为重要的食品和工业原料,已经成为中国工农业发展的重要指标,对我国的作物安全和未来发展也有着直接影响。因此,针对我国玉米生产现状对其未来趋势进行探索和研究是十分有必要的。本论文以我国华北地区1985年—2017年共计33年之间的玉米年总产量和年单位面积产量数据作为研究对象。使用GM(1,1)模型和BP神经网络,建立组合型多因素玉米产量预测模型,并对模型进行训练优化,以此提高模型的预测精确度。论文的主要工作和结论如下:(1)建立基于灰色GM(1,1)的华北地区玉米年产量和单位产量的预测模型。考虑到玉米产量随时间变化的特性,通过调整灰色GM模型的步长建立动态玉米产量预测模型。(2)研究分析影响玉米年总产的主控因素。通过灰色理论中的灰色关联分析法计算12种影响因素与玉米产量间的关联程度,并进行排序。针对主控因素的分析结果提出有效的建议及其合理措施。(3)将处理后的各项制约因素指标作为BP神经网络预测算法的输入变量,建立预测模型,并使用MATLAB进行程序编写,对2013-2017年玉米年总产和单产分别进行预测。(4)构建灰色神经网络的组合预测模型。将灰色微分方程的参数对应于神经网络的权重和阈值,通过训练神经网络使其达到稳定,进而确定优化后的参数。然后将BP神经网络的训练结果与灰色GM(1.1)模型得到的结果进行拟合。最后对灰色GM(1.1),BP神经网络和灰色神经网络模型这三种模型的预测结果进行比较分析。经预测结果表明,GM(1,1)模型可以实现基于时间序列针对玉米年产量的预测,其误差率约为5.16%,模型精度为二级可用。另外,在考虑到玉米产量影响因素十分复杂的前提下,又提出基于BP神经网络模型的预测方法,其总产预测和单产预测的误差为1.68%、2.48%,准确率比传统灰色模型有一定程度提高。而基于灰色神经网络组合模型的绝对误差率则降为1.09%和1.75%,与灰色理论模型和BP神经网络模型相比预测精度有了更明显的提高。最后综合三种模型的特点和结果,选择组合模型所建立的模型算法预测我国华北地区各省玉米产量。