基于机器学习的重庆市粮食产量预测及影响因素分析

来源：中国农机化学报杂志2023年第10期北京时间：

作者：邬粒, 邹黎敏, 周科

单位：1. 重庆工商大学数学与统计学院，重庆市，400067； 2. 重庆市统计局，重庆市，401147

摘要：科学进行粮食产量预测及其影响因素分析对作出粮食生产决策及保障粮食安全有重要意义。对重庆市1997—2021年粮食数据进行收集、整理、分析，发现各特征与重庆市粮食产量间不是简单线性关系，因此使用非线性模型拟合粮食产量与其影响因素之间的函数关系，训练三种核函数的高斯过程回归(GPR)模型并进行组合预测，试验结果显示所得的组合模型具有很好的泛化能力。以2020—2021年数据为测试集，组合预测模型对2020年和2021年数据预测的绝对百分比误差分别为0.074 4%和0.632 4%。但GPR不易获得粮食产量与其影响因素之间的函数关系，导致使用GPR模型进行影响因素重要性分析很困难，进而借助多元函数泰勒公式及偏最小二乘回归(PLSR)对重庆市粮食产量进行影响因素分析。通过PLSR模型发现对重庆市粮食产量影响较大的因素是粮食播种面积、农用机械总动力、劳动力投入和成灾面积；农用机械总动力的增加降低了粮食播种面积减少等带来的负面影响。最后提出保护耕地面积、发展农业科技创新、鼓励返乡创业就业以及加强气候监测等建议来保障重庆市粮食安全。

关键词：粮食产量预测,高斯过程回归,偏最小二乘回归,机器学习

基金资助：重庆市教委科学技术研究项目(KJQN202100809)