«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第48卷

期数:

2020年第22期

页码:

228-232

栏目:

农业工程与信息技术

出版日期:

2020-11-20

文章信息/Info

Title:

Grain yield prediction model based on NARX neural network

作者:

李环¹;  孙素芬²;  罗长寿²

1.北京农学院，北京 102206； 2.北京市农林科学院农业信息与经济研究所，北京100097

Author(s):

Li huan; et al

关键词:

典型相关分析; 粮食产量预测; 非线性自回归; 时间序列

Keywords:

-

分类号:

F326.11

DOI:

-

文献标志码:

A

摘要:

中国是世界上重要的粮食生产大国，保证粮食产量和粮食安全关系到我国国民经济的健康发展。而做好粮食产量的预估工作，对于指导经济的健康发展十分重要。在借鉴相关研究成果和中国统计年鉴的基础上，选择7组与粮食产量相关的统计指标，并根据数据与粮食产量作出典型相关性分析，证明7组统计量与粮食产量之间的相关性，进而构建一种基于时间序列非线性自回归神经网络的粮食产量预测模型。经过检验发现，该模型的准确率和性能都取得较好的效果，在测试数据集上的平均误差为1.5%。

Abstract:

-

参考文献/References:

［1］赵和楠，侯石安. 新中国70年粮食安全财政保障政策变迁与取向观察［J］. 改革，2019(11)：15-24.
［2］罗海平，邹楠，潘柳欣，等. 生态足迹视域下中国粮食主产区粮食生产安全态势的时空属性研究：2007—2025［J］. 江苏农业学报，2019，35(6)：1468-1475.
［3］林彩云. 云南省粮食主产区产量差异时间序列分析［J］. 中国农业资源与区划，2017，38(7)：17-21.
［4］侯云先. 产量预报中滑动平均法的改进［J］. 河南农业大学学报，1994(3)：417-422.
［5］张煜. 关于农业投入产出的线性回归模型［J］. 农村经济与科技，2019，30(18)：227-228.
［6］宗宸生，郑焕霞，王林山. 改进粒子群优化BP神经网络粮食产量预测模型［J］. 计算机系统应用，2018，27(12)：204-209.
［7］程伟，张燕平，赵姝. 支持向量机在粮食产量预测中的应用［J］. 安徽农业科学，2009，37(8)：3347-3348.

相似文献/References:

[1]潘义宏,李佳佳,蒋美红,等.烟叶外观质量、常规化学成分与其感官质量的典型相关分析[J].江苏农业科学,2015,43(10):384.
　Pan Yihong,et al.Canonical correlational analysis of smoking quality with appearance quality and chemical components in flue-cured tobacco leaves[J].Jiangsu Agricultural Sciences,2015,43(22):384.

备注/Memo

备注/Memo:

收稿日期：2020-02-09
作者简介：李环(1994—)，男，山西大同人，硕士研究生，主要从事农业工程与信息技术研究。E-mail： lh339966@163.com。

常用功能

更新日期/Last Update: 2020-11-20