基于neuralnet人工神经网络的农作物预测模型研究

来源：湖北农业科学杂志2022年第14期北京时间：

作者：匡奕敩1,2

单位：1.太行山猕猴国家级自然保护区焦作保护中心,河南 焦作 454002; 2.中央民族大学生命与环境科学学院,北京 100081

摘要：选用改进后精度更稳定、可视化的neuralnet包人工神经网络模型对粮食产量进行预测。结果显示,在验证样本中粮食产量预测值与实测值的相关系数为0.991 039 8,平均相对误差为0.006 339 629,10次交叉检验方法得到的均值误差平均值为0.001 229 604;表明预测值与实测值误差较小,拟合效果近乎直线,其中相对误差比spss多层感知器、nnet包分别提高了3.9%、1.1%。该结果表明neuralnet神经网络预测模型具有较好的预测性和可行性,可作为新技术权衡农作物的利用分配,促使农产品经济的不断增长和推进农业产业的可持续发展。

关键词：粮食产量预测,人工神经网络,拟合曲线,验证,可持续发展

基金资助：生态系统服务能力与农村社区发展能力协同提升技术集成与示范（2017YFC0505606）; 多类型保护地区域生态资源资产评估与补偿方法研究（2017YFC0506402）; 焦作市山水林田湖草生态修复治理工程太行山猕猴自然保护区生物多样性保护项目（焦公管办土地[2019]-043号）