基于Stacking集成算法的中国南方地区粮食产量预测

来源：湖北农业科学杂志2025年第5期北京时间：

作者：马滇璟1, 赵家松1, 严伟榆1, 段光俊1, 刘振洋2, 吴绍天1

单位：1.云南农业大学大数据学院,昆明 650201;2.昆明城市学院数据科学与工程学院,昆明 650032

摘要：基于中国南方地区1998—2022年安徽省、湖北省、湖南省、江苏省和四川省的粮食产量及11个维度的相关因素数据,构建基于Stacking集成算法的BP-SVR-Stacking粮食产量预测模型,并将其与BP神经网络模型和SVR模型进行对比分析。结果表明,BP-SVR-Stacking模型的平均绝对误差（MAE）和平均绝对百分比误差（MAPE）均低于BP神经网络模型和SVR模型,说明BP-SVR-Stacking模型的预测能力优于单一的机器学习模型。相较于BP神经网络模型和SVR模型,BP-SVR-Stacking模型的决定系数（R2）分别提高了0.124和0.122,说明BP-SVR-Stacking模型具有良好的拟合能力和预测性能。

关键词：Stacking集成算法,粮食产量,中国南方,预测

基金资助：云南省农业基础研究联合专项基金资助项目（202301BD070001-202）; 云南农业大学博士科研启动基金资助项目（A2032002507）