基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4个影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型。通过检验,2种预测模型拟合效果均较好,均能够较好地预测今后苹果的产量趋势。其中BP神经网络模型预测有较高精度,但存在局限性。

基于关键气象因子的阿克苏地区苹果产量预测模型

利用1991-2015年阿克苏地区苹果气候产量指数,分别与苹果主产区10个代表站冬季极端最低气温、冬季平均气温、1月平均气温、4月平均气温、4月≥30℃日数、4月浮尘日数、4月大风日数、5月大风日数、5-8月平均气温、6-8月平均气温、7月≥35℃日数、8月平均气温、8月降水量、至8月底≥10℃稳定积温等气象因子进行相关分析,经检验,从中挑选出影响苹果产量的关键气象因子:1月平均气温、4月浮尘日数、5-8月平均气温、8月降水量,并建立基于关键气象因子的阿克苏地区苹果产量预测模型。根据2016-2018年阿克苏地区苹果实际产量,结合模型计算的苹果预测产量,计算此3年产量的绝对误差。经验证:3年产量的绝对误差在3.1%~7.1%之间,平均为5.5%;其准确率为92%~97%之间,平均为94.5%,预报准确率较高,表明次方法建立的模型可在阿克苏地区苹果产量预测业务服务中应用,其研究结果可为当地苹果产业的发展及生产管理提供科学依据。