基于主成分分析的BP 神經網絡糧食產量預測模型

鐘 奇

（重慶師范大學數學科學學院，重慶 401131）

我國作為世界上人口最多的國家，始終貫徹把發展糧食生產放在社會發展的重要位置。我國糧食產量能滿足人們的基本需求，但隨著生活水平提高，人們對糧食的需求更多樣化[1]。現階段，我國耕地面積逐年減少，進行糧食產量預測迫在眉睫。糧食生產受眾多因素綜合影響，分析眾多影響因素并構建糧食產量預測模型是一個值得探討的問題。構建良好的糧食產量預測模型對國家宏觀調控糧食政策、保障國民糧食需求都具有十分重要的指導意義。

目前，國內外對預測糧食產量問題的研究中，具有很強代表性的模型有3 種。①時間序列模型是根據長期的歷史趨勢數據對未來糧食產量進行分析預測，其中較常見的包括指數平滑法和灰色預測方法，這類模型的優點是簡單易行且在短期內有較高精度，但不能體現變量因素對糧食產量的影響[2]。②回歸模型能描述變量之間的內在聯系，但易因變量選取不恰當造成較大的結果偏差。③神經網絡模型是模仿人體神經元間關系建立的非線性模型，在糧食產量預測中有較好的應用價值。

采用BP 神經網絡能較好地描述糧食產量的非平穩性，但算法可能陷入局部極值等[3]。糧食產量的影響因素之間具有復雜的聯系，若考慮較多的影響因素，會增加問題的復雜程度，因此本文采用主成分分析法提取主成分，優化BP 神經網絡，提高糧食產量預測精確度?！?br>