基于深度学习的多种农产品供需预测模型

被引：15

作者：

庄家煜 ^{[1
,2
]}

许世卫 ^{[1
,2
]}

李杨 ^{[3
]}

熊露 ^{[1
,2
]}

刘克宝 ^{[3
]}

钟志平 ^{[1
,2
]}

机构：

[1] 中国农业科学院农业信息研究所

[2] 农业农村部农业信息服务技术重点实验室

[3] 黑龙江省农业科学院农业遥感与信息研究所

来源：

智慧农业(中英文) | 2022年 / 4卷 / 02期

关键词：

深度学习; 供需预测模型; 长短时记忆神经网络; 循环神经网络; 农产品产量; 农业展望;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; F323.7 [农产品价格与市场];

学科分类号：

120307 [农村发展]; 140502 [人工智能];

摘要：

为进一步提高农产品供需过程模拟与估算精度，本研究以自1980年以来国家级和省级的大量农业数据作为样本，充分考虑农产品品种、时间、收入、经济发展等因素影响，构建基于深度学习长短时记忆神经网络（Long Short-Term Memory Neural Network,LSTM）的多种农产品供需预测模型。模型在充分考虑机理性约束条件的前提下，利用深度学习算法在非线性模型分析预测中的优势，对稻谷、小麦、玉米、大豆、猪肉、禽肉、牛肉、羊肉、水产品等9种主要农产品供需进行分析预测。将基于本模型的2019—2021年产量预测结果与国家统计局公布数据进行对比验证，三年平均预测准确率96.98%，表明本研究构建的预测模型能够高效地反映隐性指标变化对预测结果的影响。该模型可以通过及时地监测农业运行数据，为多区域、跨期的农业展望工作提供智能化技术支持。

引用

页码：174 / 182

页数：9

共 25 条

[1]

对近期与中长期中国粮食安全的再认识 [J].