一种线性ARIMA基础上的非线性BP神经网络修正组合方法在粮食产量预测中的运用

被引：12

作者：

张宇青 ^{[1
]}

易中懿 ^{[2
]}

周应恒 ^{[1
]}

机构：

[1] 南京农业大学经济管理学院

[2] 江苏大学

来源：

数学的实践与认识 | 2013年 / 43卷 / 22期

关键词：

ARIMA; BP人工神经网络; 粮食产量; 预测;

D O I：

暂无

中图分类号：

F326.11 [粮食作物]; F224 [经济数学方法];

学科分类号：

020205 ; 1203 ; 0202 ; 0701 ; 070104 ;

摘要：

对我国粮食产量预测工作作出了重大贡献.通过线性规律和非线性规律的区分,构建了自回归移动平均(ARIMA)和BP人工神经网络的组合预测模型,结论显示:ARIMA和BP算法能够各自对粮食产量序列中的线性和非线性规律实现充分挖掘,拟合精度几乎达到完美的程度,克服了以往单一预测和组合预测中信息挖掘能力不足的缺陷.

引用

页码：135 / 142

页数：8

共 13 条

[1]

基于灰色系统理论的我国粮食产量预测研究.[D].王步祥.江苏大学.2009, 07

[2]

Typologies of crop-drought vulnerability: an empirical analysis of the socio-economic factors that influence the sensitivity and resilience to drought of three major food crops in China (1961–2001).[J].Elisabeth Simelton;Evan D.G. Fraser;Mette Termansen;Piers M. Forster;Andrew J. Dougill.Environmental Science and Policy.2008, 4

[3]

Impacts of Changes in Climate and Its Variability on Food Production in Northeast China.[J].Zhi-Qing JIN;Da-Wei ZHU.Acta Agronomica Sinica.2008, 9

[4]

Crop model data assimilation with the Ensemble Kalman filter for improving regional crop yield forecasts.[J].A.J.W. de Wit;C.A. van Diepen.Agricultural and Forest Meteorology.2007, 1

[5] 基于AIGA-BP神经网络的粮食产量预测研究 [J].