基于自适应增强的BP模型的浙江省茶叶产量预测

• 作者: 陈冬梅 韩文炎 周贤锋 吴开华 张竞成
• 学科: 农学
• 关键词: 茶叶 产量预测 模型 自适应增强 BP模型
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 研究报告
• 页码范围: 564-576
• 页数: 12页
• 分类号: S571,S165+.27
• 语种: 中文

摘要

本文采用1999—2018年浙江省59个县市的茶叶产量数据和地面气象要素驱动数据，提出了基于产量等级因子的自适应增强的反向传播（BP）神经网络模型的茶叶产量预测机制。首先分析提取了种植面积、年平均气温、3—7月的平均相对湿度、年平均相对湿度等11个影响因子，然后构建浙江省茶叶产量预测模型。试验结果表明，基于产量等级因子的自适应增强的BP模型算法相关系数达到0.893，相对误差的平均值和方差分别为0.187和0.136。在试验数据选取方面，相较于距离预测年份较远的数据，采用临近预测年份的数据，预测精度较高。根据本研究的茶叶产量预测机制，建立了浙江省茶叶产量预测误差空间分布图，其中1级优势区的平均误差为18.32%，2级次优势区为16.73%，3级一般产区为22.69%。预测模型能够实现浙江省各县市的茶叶产量预测，对茶叶生产的宏观管理具有一定指导意义。