基于BP神经网络的粮食产量预测模型

郭庆春 ，何振芳 ，李 力

（1.陕西广播电视大学教务处，陕西 西安 710068；2.中国科学院寒区旱区环境与工程研究所，甘肃 兰州 730000；3.中国科学院地球环境研究所中国科学院黄土与第四纪地质国家重点实验室，陕西 西安 710075；4.中国科学院研究生院，北京 100049）

粮食安全关系到国计民生、社会政治稳定和经济发展，一直是各国学术界和决策层研究和考虑的重要问题。保障国家粮食安全的首要目标是保障粮食安全供给，对于自给率高达95%的我国而言，主要是保障国内的粮食生产量。我国粮食生产的人均产量和消费量并不高，粮食结构性矛盾相当突出，面临着人口增加和耕地面积减少的两大压力。因此必须对我国粮食供需形势有一个清醒认识，而做好粮食产量预测，对各级政府决策部门来讲都是一项重要的决策依据。预测粮食产量是典型的多指标小样本系统的预测问题，国际上主要采用气象预报法、遥感技术和统计动力学生长模拟法进行粮食产量预测。其预测误差一般为产量的5%～10%。近年来，随着智能技术发展，人工神经网络预测等新技术解决了传统方法的很多缺陷，神经网络方法能很好地处理原始数据的随机特性，即不需要对这些数据作任何统计假设，有较好的抗干扰能力。人工神经网络还具有很强的处理大规模复杂非线性系统的能力，许多学者已将人工神经网络成功地应用于实际问题的预测中，取得了令人满意的结果[1-4]。本文引入人工智能最新方法BP神经网络来进行粮食产量预测，旨在使粮食产量预测精度更高，更符合我国粮食生产的客观实际。……