基于ARIMA-SVR模型优化的山东省玉米产量预测研究.pdf

摘要

摘要

2024年中央一号文件再次强调守好粮食安全底线，玉米作为我国重要的农

产品，对于保障畜禽饲料供给，保障人民生活需求十分重要。山东作为黄淮海夏

玉米区的主要省份之一，玉米产量丰富，对其玉米产量情况进行预测，为指导农

业生产以及政府部门进行宏观调控的决策提供参考。为了提高预测的准确性本文

运用了一些机器学习和神经网络的模型，主要研究结果包括以下几个部分：

（1）基于时间序列的山东省玉米产量预测。利用ARIMA差分整和自回归

移动平均模型及ARIMA与支持向量机回归SVR组合模型对山东省玉米产量单

一时间序列数据进行预测。结果显示，ARIMA-SVR组合模型的预测结果优于单

一的ARIMA模型。

（2）基于多影响因子和多省份样本的山东省玉米产量预测。考虑到生产力

和气象等影响因素对玉米产量预测的影响，加入了玉米产量影响因子进行研究；

针对山东省玉米产量预测研究中历史样本较少的问题，在训练样本中加入与山东

省气候、地理环境、生产条件相似的黄淮海夏玉米区其他省份的历史数据。在此

基础上，使用SVR支持向量回归模型对山东省玉米产量进行了预测。结果表明，

考虑了生产力因素和气象因素、加入了多省份样本后的SVR模型，对山东省玉

米产量预测的准确率、可靠性及稳定性都得到了提高，之后研究了GA-SVR，发

现其能在全局寻找最优解，避免陷入局部最值，提高了SVR模型的泛化能力，

在此基础上考虑利用GA-SVR来组合。

（3）构建了ARIMA-GA-SVR组合预测模型。通过结合时间序列预测模型

ARIMA和回归预测模型GA-SVR两种模型的优点，构建了新的组合模型

ARIMA-GA-SVRARIMAX

模型。其原理是首先使用对影响因子进行时间序列i

预测，然后通过ARIMA预测出来的影响因子X做回归预测，预测玉米产量。i

结果显示，使用此组合模型对山东省玉米产量进行预测的MSE、RMSE和MAPE

1510.7238.871.16%

分别达到了、和。结果表明，相较于单一模型以及常用的

ARIMA-SVR组合模型，使用ARIMA-GA-SVR的组合模型进行预测具有较高的

预测精度。

（4）设计了玉米产量预测系统，能够实现用户和管理员两个方面的使用，

既方便用户查看预测结果，又能即时反馈问题和疑问，方便管理员更新数据，提

供更好的预测服务,为下一年的玉米产量提供预测数据,为制定下一年生产计划

和决策作支持。

关键字：时间序列；遗传算法；ARIMA-GA-SVR；玉米产量预测

I

Abstract

Abstract

TheCentralDocumentNo.1in2024onceagainunderscorestheimportanceof

safeguardingfoodsecurity,withcorn,asavitalagriculturalproductinChina,playing

acriticalroleinensuringthesupplyoflivestockfeedandmeetingpeopleslivelihood

needs.ShandongProvince,asoneofthemainprovincesintheHuang-Huai-Hai

summercornregion,boastsabundantcornproduction.Forecastingitscornoutputis

essentialtoguideagriculturalproductionandfacilitatemacroeconomicadjustments

bygovernmentd