基于逐步回归和ARIMA模型的青海省农作物产量预测分析.pdfVIP

2025年2月下AgriculturalMechanizationSyntheticStudy农机化综合研究173

基于逐步回归和ARIMA模型的青海省农作物产量预测分析

黄倩

（青海大学财经学院，青海西宁810016）

摘要：【目的】准确预测青海省的农作物产量。【方法】选取青海省2002—2021年农作物产量数据，将农业机械总动力、农作

物播种面积、有效灌溉面积、农用薄膜使用量、农药使用量作为青海省农作物产量预测的自变量，农作物产量作为因变量建

立逐步回归和ARIMA模型，分别运用逐步回归模型、ARIMA模型以及组合模型对青海省2016—2021年农作物产量数据预测

精度进行了检验和对比，并采用组合模型预测了青海省2022—2026年农作物产量。【结果】1）逐步回归模型通过逐步引入对

产量有显著影响的变量，优化了模型结构，预测平均误差为1.17%；2）ARIMA模型则有效捕捉了时间序列数据的动态特性，

预测平均误差为1.29%；3）组合预测模型的预测精度较高，平均相对误差降至1.00%，优于单一模型。【结论】农作物产量的

准确预测对于保障粮食安全和推动地区经济发展具有重要意义。未来的研究可以通过优化各模型的权重分配、利用机器学

习方法自动调整权重等方式处理更大规模的数据集，并考虑如气候变化、政策变动等更多的影响因素，这将有助于构建更为

全面和精细的预测模型，为农业生产和政策制定提供更加有力的数据支持。

关键词：农作物产量；逐步回归模型；ARIMA模型；组合预测模型

中图分类号：F326.11；TP18文献标志码：ADOI：10.3969/j.issn.1672-3872.2025.04.046

%[5]

0引言均相对误差为11.6。王鹏飞等（2023）通过多元

中国作为农业大国，粮食对国家稳定和人民幸福线性回归模型预测鸭梨花盛花期，结果准确。王辉[6]

[7]

至关重要，同时粮食也是农民经济的重要来源，确保（2023）和阳红燕等（2022）应用ARIMA模型预测

粮食的稳定供给对于国家经济的持续健康发展至关苎麻纤维和贵州茶叶产量，均达到95%以上的预测

重要。青海是我国西北地区重要农作物生产基地，青[8]

精度。吴越等（2020）选取长三角地区为研究对象，

海省致力于构建“三区一带”的农牧业发展新模式，分别使用Holt两参数指数平滑法和ARIMA模型预测

通过优化地理布局、提升基础设施、调整产业架构、2019—2023年长三角地区的粮食产量，并对模型进

普及优质种子和先进农艺、发展特色产业，提升了农行检验，检验结果均通过，表明长三角地区的粮食产

牧区域的生产效能。对青海省农作物产量进行预测，量将保持稳定增长的趋势，预测效果理想。这些研究

有利于详细了解其产量的变化趋势，可为青海省农业展示了不同模型在提高作物产量预测准确性方面的

发展提供更明确的方向。

潜力，因此本文选择组合预测模型对青海省农作物产

目前，关于农作物产量预测的文献从预测模型

量进行预测分析。

上看，一类是单模型预测，另一类是多模型组合预

1指标选取与研究方法

测；从预测方法上看，大致可分为基于机器学习和基

1.1指标选取

于统计学的产量预测；从影响因素上来看，一部分是

[1]在农作物产量预测中，为