基于机器学习的安徽省粮食产量预测方法研究

摘要

粮食产量预测是粮食储藏、农田管理和国家农业决策的关键，是国家粮食安全评估和粮食政策制定的重要组成部分，农作物生长监测及产量预测是调节农业种植系统和农业经营管理的关键。人口增加、耕地面积和水资源减少、环境恶化、全球气候变暖等一系列因素对农业生产影响显著，威胁着粮食安全。预计到2050年，世界总人口将达到91.5亿人，粮食安全保障至关重要，准确的区域作物生长监测和产量预测对于指导农业生产、保障国家粮食安全以及维持农业的可持续发展至关重要。 本文对安徽省地理条件及粮食产量变化趋势深入了解后，首先针对各因素对安徽省粮食产量的影响机制进行具体阐述，最终确定安徽省粮食产量主要影响因素有粮食播种面积、有效灌溉面积、受灾面积、化肥施用量、塑料膜使用量、农药施用量、农用柴油使用量、农林牧渔劳动力、农业机械总动力、已建成水库数、农业生产资料价格指数11个指标。其次，基于1990-2014年安徽省粮食产量相关数据，分别构建BP神经网络、支持向量回归模型、随机森林回归模型对安徽省粮食产量进行拟合，并以2015-2017年粮食产量相关数据作为测试集对各模型进行检验。结果表明，各模型拟合效果及预测能力均存在一定缺陷，故本文提出基于方差倒数法的组合预测模型，将上述所构建三种模型进行有效结合，并对其预测能力进行评估，结果显示，组合预测模型对训练集的拟合效果较为良好，具有一定的稳定性，且模型一定程度上加入了全局最优的特点，使得预测结果更具有可靠性。最后，本文对安徽省2018-2020年粮食产量进行预测，分别为3459.83万吨、3478.57万吨、3505.57万吨。