|
|||||
|
|
| 几种方法在粮食总产量预测中的对比 | |
| 引用本文： | 姚作芳,刘兴土,杨飞,闫敏华.几种方法在粮食总产量预测中的对比[J].干旱地区农业研究,2010,28(4):264-268. |
| 作者姓名： | 姚作芳 刘兴土 杨飞 闫敏华 |
| 作者单位： | 1. 中国科学院东北地理与农业生态研究所,吉林,长春,130012;中国科学院研究生院,北京,100049 2. 中国科学院东北地理与农业生态研究所,吉林,长春,130012 3. 中国科学院地理科学与资源研究所,北京,100101 |
| 基金项目： | 中国科学院知识创新工程重大项目，农业气候资源评价与高效利用技术研究专项 |
| 摘 要： | 根据吉林省1978~2007年的农业数据,选定了14个影响农业生产的因素作为研究对象,分别采用了主成分分析法、BP神经网络法、灰色预测法和逐步回归分析法4种分析预测方法,通过SPSS和Matlab工具将原始数据进行处理,得到4种不同的预测模型,进而基于这4种模型对吉林省的粮食产量进行预测,并将各种预测产量和实际产量进行拟合分析。研究结果表明,拟合性最好的是BP神经网络法,其拟合确定性系数为0.899;其次是主成分分析法(拟合确定性系数为0.834)和逐步回归法(拟合确定性系数为0.787);拟合效果最差的是灰色预测法(确定性系数为0.744)。粮食总产量估算精度最高的是BP神经网络法,达到93.67%;其次是主成分分析法,为90.45%。 |
| 关 键 词： | 主成分分析法 BP神经网络法 灰色预测法 逐步回归法 粮食产量 预测 |
Comparison of several methods in grain production prediction |
|
| YAO Zuofang,LIU Xingtu,YANG Fei,YAN Minhua.Comparison of several methods in grain production prediction[J].Agricultural Research in the Arid Areas,2010,28(4):264-268. | |
| Authors: | YAO Zuofang LIU Xingtu YANG Fei YAN Minhua |
| Abstract: | |
| Keywords: | principal component analysis neural network method GM(1 1)grey prediction model regression analysis model grain production prediction |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《干旱地区农业研究》浏览原始摘要信息 | |
| 点击此处可从《干旱地区农业研究》下载全文 | |
