基于主成分分析和粒子群优化神经网络
的粮食产量预测

来源：江苏农业科学杂志2019年第第19期北京时间：

作者：郭亚菲; 樊超; 闫洪涛

单位：河南工业大学信息科学与工程学院，河南郑州 450001

摘要：粮食产量的预测研究在粮食安全方面具有重要意义，神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷，为了改善这一缺陷，提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数，利用主成分分析方法降低影响因子的维度，将降维后的因子作为神经网络的输入，然后采用BP神经网络建立粮食产量预测模型，其中引入PSO算法对BP神经网络的权值和阈值进行优化，最后使用训练过的BP神经网络预测粮食产量值。预测结果表明，该模型可有效提高预测精度，且收敛速度快，全局收敛性好，为粮食产量预测提供了一种新的途径。

关键词：粮食产量;预测模型;主成分分析(PCA);粒子群(PSO)算法;BP神经网络;影响因素;预测精度

基金资助：河南省科技攻关项目(编号：162102210198)；国家粮食公益性行业科研专项(编号：201413001)；河南省自然科学基金(编号：162300410062)。