基于BP神经网络的粮食产量与化肥用量相关性研究

针对太湖流域化肥用量和粮食产量数据,利用BP神经网络算法,建立了粮食产量与化肥用量之间的关系模型,以指导化肥减施增效。共收集了1980—2014年共35 a太湖流域16个县市每个县市的单位面积化肥用量和单位面积粮食产量数据。通过自回归滑动平均模型（ARMA）,对两类数据进行时间序列分析,对数据中存在的缺项进行了填补。实验表明,对于单位面积粮食产量数据,用ARMA（2,6）模型能够达到较佳的填补效果,均方误差小于0.2,R2>0.85。对于单位面积化肥用量数据,用ARMA（3,7）模型较优,均方误差小于0.02,R2>0.80。说明ARMA模型数据填补效果较好。将填补后的不同县的数据通过BP神经网络建立模型,描述了各县市单位面积化肥用量和粮食产量的关联关系。实验表明,该方法拟合的均方误差小于0.12,R2>0.80,说明BP神经网络是一种准确度较高的拟合方法。通过分析各县拟合结果,表明化肥用量有阈值,化肥用量低于该阈值,粮食产量将会较快速增长,高于该阈值,粮食产量将不再增长,过多的施用化肥并不能取得高产。