几种方法在粮食总产量预测中的对比

• 作者: 刘兴土 姚作芳 杨飞 闫敏华
• 来源期刊: 干旱地区农业研究
• 学科: 农学
• 关键词: 主成分分析法 BP神经网络法 灰色预测法 逐步回归法 粮食产量 预测
• 年，卷（期）: 2010,（4）
• 页码范围: 264-268
• 分类号: S11+7
• 字数: 4887字
• 语种: 中文

摘要

根据吉林省1978～2007年的农业数据,选定了14个影响农业生产的因素作为研究对象,分别采用了主成分分析法、BP神经网络法、灰色预测法和逐步回归分析法4种分析预测方法,通过SPSS和Matlab工具将原始数据进行处理,得到4种不同的预测模型,进而基于这4种模型对吉林省的粮食产量进行预测,并将各种预测产量和实际产量进行拟合分析.研究结果表明,拟合性最好的是BP神经网络法,其拟合确定性系数为0.899;其次是主成分分析法(拟合确定性系数为0.834)和逐步回归法(拟合确定性系数为0.787);拟合效果最差的是灰色预测法(确定性系数为0.744).粮食总产量估算精度最高的是BP神经网络法,达到93.67%;其次是主成分分析法,为90.45%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘兴土	中国科学院东北地理与农业生态研究所	91	2981	27.0	53.0
2	杨飞	中国科学院地理科学与资源研究所	192	1578	22.0	30.0
3	闫敏华	中国科学院东北地理与农业生态研究所	22	683	14.0	22.0
4	姚作芳	中国科学院东北地理与农业生态研究所	10	141	6.0	10.0