GRNN神经网络在粮食产量预测中的应用

我国作为一个粮食种植大国，对粮食产量预测问题进行研究尤为重要。尽管我国的粮食产量每年都在稳定增长，但影响粮食产量变化的因素依然存在，例如：粮食播种面积、有效灌溉面积、受灾面积、农用化肥施用折纯量和从业人数等等，具有极其复杂的非线性关系。为了提高粮食产量的预测精度，通过BP神经网络和GRNN (广义回归神经网络)两种方法对比，并根据影响预测粮食产量变化的五种因素，分析神经网络模型、学习方法和网络结构等，对神经网络的参数进行优化，建立粮食产量的预测模型来精确预测粮食产量。本文在国家统计局统计1995~2019年全国粮食总产量及影响因素等数据基础上，建立BP神经网络与GRNN的仿真模型。预测结果表明：相对于BP神经网络，GRNN预测精度更高，速度更快，模型更稳定，可以很好地用于粮食生产预测。