馬越

摘 要：玉米產(chǎn)量預(yù)測一直是農(nóng)業(yè)發(fā)展過程中的重要組成部分。神經(jīng)網(wǎng)絡(luò)算法以其較好的非線性優(yōu)化擬合能力應(yīng)用于玉米產(chǎn)量的預(yù)測中。但是傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法具有收斂速度慢，易陷入局部最優(yōu)等缺陷。從權(quán)值和閾值角度，用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于玉米產(chǎn)量預(yù)測，與基于自回歸移動平均模型在玉米產(chǎn)量預(yù)測進行比較，證明運用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法不僅能提高玉米產(chǎn)量預(yù)測中的收斂速度，而且在玉米產(chǎn)量預(yù)測精度上也有很大提高。同時對多因素影響下的事件進行預(yù)測提供了新的解決思路和方向。

關(guān)鍵詞：遺傳算法；BP神經(jīng)網(wǎng)絡(luò)；自回歸移動平均模型；玉米產(chǎn)量預(yù)測

玉米是唐山生產(chǎn)的重要農(nóng)作物之一，也是我國主要食用作物?？焖贉蚀_地對唐山玉米產(chǎn)量進行預(yù)測可以為玉米生產(chǎn)的組織實施提供數(shù)據(jù)參考。然而，玉米的生產(chǎn)過程受自然和人為的雙重影響，影響玉米產(chǎn)量的因素很多，要想準確預(yù)測玉米產(chǎn)量是一個難題。如今有很多學(xué)者采用各種方法進行了分析預(yù)測，但預(yù)測結(jié)果多有些偏差。主要由于玉米生產(chǎn)過程中受較多不確定因素制約，無法建立更加符合實際的模型進行描述[1]。因此，尋找一個更加切實可行的算法是玉米產(chǎn)量預(yù)測問題中的重中之重。

一、優(yōu)化BP神經(jīng)網(wǎng)絡(luò)玉米產(chǎn)量預(yù)測模型

唐山處于華北平原北部，屬于溫帶季風(fēng)氣候，降雨量適中，光照充足，具有發(fā)展玉米生產(chǎn)的良好條件，適合早、中、晚等不同熟期玉米品種種植。玉米是唐山市的第一大糧食產(chǎn)物，從2005年來，玉米的種植面積和產(chǎn)量一直呈增加態(tài)勢。在唐山市8個糧食作物主產(chǎn)縣（市）區(qū)，開展了玉米高產(chǎn)創(chuàng)建活動，推廣了一些增產(chǎn)技術(shù)[2]，促進了唐山市玉米生產(chǎn)的發(fā)展。

但唐山市玉米種植基礎(chǔ)條件較為薄弱，受自然災(zāi)害的影響依然較大。近些年，春旱、伏旱以及秋吊等現(xiàn)象嚴重影響玉米產(chǎn)量，使得玉米生產(chǎn)產(chǎn)量不穩(wěn)定，同時玉米種植品種多而雜，缺乏高產(chǎn)穩(wěn)產(chǎn)優(yōu)質(zhì)抗倒伏的春播品種。因此提高玉米產(chǎn)量生產(chǎn)效率，減小自然災(zāi)害對玉米產(chǎn)量的影響是迫切需要解決的問題。

本文綜合影響玉米產(chǎn)量的所有特性，選擇日照、降水、平均氣溫、播種面積作為影響玉米產(chǎn)量的主要因素。以河北省農(nóng)村統(tǒng)計年鑒中的實際考察數(shù)據(jù)為試驗數(shù)據(jù)樣本來源，選取2012-2016年實際數(shù)據(jù)為樣本數(shù)據(jù)，由表1可知，玉米產(chǎn)量與影響因素之間是非線性的關(guān)系。

為了消除不同因子之間由于量綱和數(shù)值大小的差異而造成的誤差，通過公式對糧食產(chǎn)量數(shù)據(jù)進行標準化處理[3]，得到了符合網(wǎng)絡(luò)要求的數(shù)據(jù)。

二、與自回歸移動平均模型玉米產(chǎn)量預(yù)測比較分析

采用對遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法進行計算，與自回歸移動平均模型預(yù)測玉米產(chǎn)量的算法結(jié)果進行對比。得到結(jié)果如下表2：

由表2中可得，以遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測出的玉米產(chǎn)量較好，預(yù)測平均相對誤差在1.09%?；谧曰貧w移動平均模型預(yù)測玉米產(chǎn)量的平均相對誤差在2.32%，兩者相比，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法更精確。

三、結(jié)論

本文主要考慮了自然因素中光照、降水量、溫度和播種面積等影響玉米產(chǎn)量的因素。自回歸移動平均模型在處理多因素問題預(yù)測中，極易出現(xiàn)誤差。本文基于四種因素影響玉米產(chǎn)量預(yù)測的前提，在預(yù)測過程中發(fā)現(xiàn)各個因素之間有較強的相關(guān)性，采用遺傳算法對參數(shù)進行了改進，優(yōu)化了神經(jīng)網(wǎng)絡(luò)算法對玉米產(chǎn)量的預(yù)測。

參考文獻：

[1]楊雨時，董連杰，管琳.基于粗糙集理論和BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測方法[J].

[2]崔書會.唐山市玉米生產(chǎn)現(xiàn)狀、存在的問題與發(fā)展對策[J].農(nóng)業(yè)科技通訊，2011.06.

[3]郭慶春，何振芳，李力.基于LM-BP網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測[J].湖北農(nóng)業(yè)科學(xué)，2012，51（23）：5480-5481.endprint