BP神经网络在河南省粮食产量预测中的应用.docVIP

BP神经网络在河南省粮食产量预测中的应用 　　 摘要：利用河南省１９９６－２０１１年粮食生产相关影响因素指标数据，建立了基于ＢＰ神经网络的河南省粮食产量的预测模型。该模型以播种面积、农田有效灌溉面积、农用机械总动力、化肥施用量、农药施用量５个指标为网络的输入值，粮食产量为输出值进行网络训练。预测结果表明，最大预测误差小于２％，说明ＢＰ网络模型具有较高的预测精度和稳定性，可为粮食产量预测提供一种新途径。 　　关键词：ＢＰ神经网络；粮食产量；预测；河南省 　　中图分类号：Ｑ８１５文献标识码：Ａ文章编号：0439－８114（２０14）08－1969-03 　　 　　Application of BP Neural Network in Predicting Grain Yield of Henan Province 　　 　　ＺＨＡＮＧ Ｃｈｅｎｇ－ｃａｉ，ＣＨＥＮ Ｓｈａｏ－ｄａｎ 　　（Ｃｏｌｌｅｇｅ ｏｆ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｎｃｙ ＆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｚｈｅｎｇｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ， Ｚｈｅｎｇｚｈｏｕ ４５０００１，Ｃｈｉｎａ） 　　 　　Ａｂｓｔｒａｃｔ： Ｔｈｅ ｄａｔａ ｏｆ ｆａｃｔｏｒｓ affecting ｆｏｏｄ ｐｒｏｄｕｃｔｉｏｎ ｏｆ Ｈｅｎａｎ ｐｒｏｖｉｎｃｅ ｆｒｏｍ １９９６ ｔｏ ２０１１ ｗｅｒｅ ｕｓｅｄ ｔｏ ｆｏｒｅｃａｓｔ ｔｈｅ ｇｒａｉｎ ｙｉｅｌｄ ｂｙ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ． Ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｏｆ ｇｒａｉｎ ｙｉｅｌｄ ｏｆ Ｈｅｎａｎ ｐｒｏｖｉｎｃｅ ｗａｓ ｓｅｔ ｕｐ ｂａｓｅｄ ｏｎ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ． Ｔｈｅ ｍｏｄｅｌ used ５ ｉｎｄｉｃａｔｏｒｓ ｉｎｃｌｕｄｉｎｇ ｓｏｗｎ ａｒｅａ， ｔｈｅ ｅｆｆｅｃｔｉｖｅ ｉｒｒｉｇａｔｉｏｎ ａｒｅａ， ｔｈｅ ｔｏｔａｌ ｐｏｗｅｒ ｏｆ ａｇｒｉｃｕｌｔｕｒａｌ ｍａｃｈｉｎｅｒｙ， ｔｈｅ ｃｏｎｓｕｍｐｔｉｏｎ ｏｆ ｃｈｅｍｉｃａｌ ｆｅｒｔｉｌｉｚｅｒ ａｎｄ ｔｈｅ ａｍｏｕｎｔ ｏｆ ｐｅｓｔｉｃｉｄｅ ａｐｐｌｉｃａｔｉｏｎ ａｓ ｔｈｅ ｎｅｔｗｏｒｋ ｉｎｐｕｔ ｖａｌｕｅ， ａｎｄ ｇｒａｉｎ ｙｉｅｌｄ ａｓ ｔｈｅ ｏｕｔｐｕｔ ｔｏ ｄｏ ｔｈｅ ｎｅｔｗｏｒｋ ｔｒａｉｎｉｎｇ． Ｔｈｅ ｐｒｅｄｉｃｔion ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｍａｘｉｍｕｍ ｐｒｅｄｉｃｔｉｏｎ ｅｒｒｏｒ ｗａｓ ｌｅｓｓ ｔｈａｎ ２％， ｉｎｄｉｃａｔing ｔｈａｔ ｔｈｅ ｍｏｄｅｌ ｈａｄ ｈｉｇｈ ａｃｃｕｒａｃｙ ａｎｄ ｓｔａｂｉｌｉｔｙ of ｐｒｅｄｉｃｔｉｏｎ ａｎｄ would ｐｒｏｖｉｄｅ ａ ｎｅｗ ｗａｙ ｆｏｒ predicting ｇｒａｉｎ ｙｉｅｌｄ． 　　Ｋｅｙ ｗｏｒｄｓ： ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｇｒａｉｎ ｙｉｅｌｄ；ｐｒｅｄｉｃｔｉｏｎ；Ｈｅｎａｎ ｐｒｏｖｉｎｃｅ 　　农业是国民经济的基础，粮食生产对于社会、经济的稳定具有重要作用，粮食产量的准确预测可以为科学决策提供依据，从而保证国家的粮食安全［１］。影响粮食产量的因素众多，是一个非线性系统，传统的预测方法对其进行预测会受到很大的影响和制约。近年来，人工神经网络强大的非线性映射能力使其在各类预测研究中得到了广泛应用，取得了令人满意的效果。本研究以人工神经网络为基础，将ＢＰ神经网络应用到河南省粮食产量的预测研究中，建立了基于ＢＰ神经网络的河南省粮食产量预测模型。对影响河南省粮食产量的诸多因素进行分析，选取了主要影响因素指标。然后用该模型进行网络预测分析，以期提高河南省粮食产量预测精度，为相关部门制定合理政策和采取相应措施提供理论依据。 　　１ＢＰ神经网络 　　１．１ＢＰ神经网络算法 　　ＢＰ神经网络是目前神经网络中应用最广泛的网络模型，其突出的特点是具有很强的非线性映射能力。Ｋｏｌｍｏｇｏｒｏｖ从理论上已经证明，具有一个隐层的神经网络能够以任意精度表示任意连续函数。ＢＰ神经网络学习算法过程包括信号的正向传播和误差的反向传播［２］。对于输入信号，先向前传播到隐含层，经过作用函数后，再把隐含层的输出信息传播到输出层；若输出层的实际输出与期望输出不符，则转入误差的反向传播，将误差信号沿原来通路返回，通过修改各层神经元的权值，使得误差信号最小［３］。作用函数通常采用Ｓ型函数，常用的激活作用函数ｆ（ｘ）为可导的Ｓｉｇｍｏｉｄ函数，ｆ（ｘ）＝■；ＢＰ神经网络通常使用的误差函数是均方差，其定义为Ｅ■＝