基于BP神经网络的江苏省粮食产量预测

为预测江苏省粮食产量,通过分析相关文献,选择农业机械总动力、有效灌溉面积、农用化肥施用折算纯量、除涝面积、农用柴油使用量、农药使用量、粮食作物播种面积和受灾面积这8个对粮食产量具有较大影响的指标,构建反向传播神经网络模型,并利用该模型预测2017年、2018年和2019年的粮食产量。模型以江苏省1993—2019年的数据为基础,剔除缺失指标的数据,将剩余的数据分为2组,一组数据作为训练集用于训练模型参数,包含21个样本;另一组数据作为测试集检验拟合模型的预测精度,包含5个数据样本。最终预测结果除了2019年预测结果的相对误差达到了5.74%,其他年份的预测结果相对误差基本控制在5%以内。结果表明,该模型具有较好的预测精度,能够有效预测粮食产量,为将来粮食产量的预测提供了一种新的思路。