基于BP神經網絡的農林產值預測

金博宇 劉奇峰 姜建中 王浩成

一、引言

伴隨著我國國民經濟水平的日益增長，國民生活水平有了顯著提高。農林產值也在不斷提高，準確的對農林產值進行預測有助于更加精確的指導農、林業的生產和產業結構的規劃調整。

在進行農林產值預測時，有很多種預測模型可以進行預測。找到關鍵的影響因素是選擇預測模型的前提。呂效國等人將政府財政對農業的投入、農民自己的投入、農業從業人員等三條因素作為主要影響因素進行分析。林文浩等人應用灰色動態微分方程模型GM(1,1)對福建省農業產值的發展趨勢進行預測。

本文將考慮造林面積、農作物播種面積、國內生產總值等因素對農林產值進行預測。采用BP神經網絡預測模型對我國農林產值進行預測。

二、BP神經網絡預測模型

神經網絡是由具有適應性的簡單單元組成的廣泛并行互連網絡，它的組織能夠模擬生物神經系統對真實世界物體所作出的交互反應。

本文將國內生產總值，造林面積以及農作物播種面積作為分析因素，對農林產值進行預測。采用2005-2017年的造林面積數據進行分析（數據來源：《中國統計年鑒2018版》）。其中，國內生產總值（億元），造林面積（公頃），農作物播種面積（千公頃），農業產值（億元），林業產值（億元）。

表一：研究數據Table1：researchdata

將數據輸入到神經元后，通過60000次迭代，迭代結束后，BP神經網絡模型趨于最優，模型預測曲線擬合良好，仿真輸出和實際輸出對比圖如下：

圖一：仿真輸出和實際輸出對比圖Figure1：comparisondiagramofsimulationoutputandactual output

由圖可知在考慮造林面積，國民生產總值和農作物播種面積等因素時，BP神經網絡擬合良好，可以認為這3個因素在一定程度上對農林產量產生影響。再通過BP神經網絡進行預測，將訓練集得到的模型應用于測試集中，得到結果如下：

表二：農業產值預測結果Table2：forecastresultsofagriculturaloutputvalue

表三：林業產值預測結果Table3：forecastresultsofforestryoutputvalue

三、結論

本文通過分析造林面積、農作物播種面積和國內生產總值對農林產值的影響，并采用采用BP神經網絡預測模型對農林產值進行預測得到結論如下：

在考慮造林面積，農作物播種面積和國內生產總值等因素下，BP神經網絡預測模擬擬合效果良好，BP神經網絡預測模型對農業產值的預測準確率達到0.97，對林業產值的預測準確率達到0.96，預測結果較為準確。