基于深度学习的多种农产品供需预测模型VIP免费

2022年6月第4卷第2期Jun.2022Vol.4,No.2智慧农业（中英文）SmartAgriculture基于深度学习的多种农产品供需预测模型庄家煜1，2，许世卫1，2*，李杨3，熊露1，2，刘克宝3，钟志平1，2（1.中国农业科学院农业信息研究所，北京100081；2.农业农村部农业信息服务技术重点实验室，北京100081；3.黑龙江省农业科学院农业遥感与信息研究所，黑龙江哈尔滨150086）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（LongShort-TermMemoryNeuralNetwork，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。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；农业展望中图分类号：F323.7；TP183文献标志码：A文章编号：SA202203013引用格式：庄家煜,许世卫,李杨,熊露,刘克宝,钟志平.基于深度学习的多种农产品供需预测模型[J].智慧农业(中英文),2022,4(2):174-182.ZHUANGJiayu,XUShiwei,LIYang,XIONGLu,LIUKebao,ZHONGZhiping.Supplyanddemandforecastingmodelofmulti-agriculturalproductsbasedondeeplearning[J].SmartAgriculture,2022,4(2):174-182.(inChinesewithEnglishabstract)1引言“民为国基，谷为民命”，粮食安全事关国计民生，监测预警是现代农业管理的高端工具和保障国家粮食安全的重要手段。农业展望作为监测预警体系建设的重要工作，既能增强政府对农产品市场调控的主动权，又能提升农民、商户等各类市场主体应对市场变化的掌控权［1］。然而，农产品品种多、产业影响因素杂、品种间关联性强，无疑对农产品生产、消费、贸易等主要环节实时精准量化分析预警工作提出挑战［2］。农产品供需分析预测有助于积极释放市场信号、引导农业生产与消费，一直受到国内外研究者的广泛关注，其研究大体可分为农产品产量预测和需求预测两方面。其中，产量预测研究多基于气象［3,4］、遥感［5,6］和作物生长机理［7,8］等模型，结合线性回归、时间序列［9］、人工智能［10］等方法进行预测；需求预测研究多采用人均营养摄取推算法［11,12］、趋势和经验估算法［13,14］、结构doi：10.12133/j.smartag.SA202203013收稿日期：2022-03-23基金项目：中国农业科学院创新工程项目（CAAS-ASTIP-2016-AII）；中国农业科学院人才项目（JBYW-AII-2022-04）；国家自然科学基金项目（21974012）作者简介：庄家煜（1982－），男，博士，副研究员，研究方向为农业信息分析。E-mail：*通信作者：许世卫（1962－），男，博士，研究员，研究方向为农业信息分析。E-mail：庄家煜等：基于深度学习的多种农产品供需预测模型Vol.4,No.2模型预测法［15,16］等。农业系统具有很强的非线性、随机性和动态特征［17］，其模型的有效应用依赖于参数的快速、准确估算。许多研究者认为智能优化算法应用到作物模型参数估算中，如利用个体优势遗传算法优化水稻生育期模型参数，实现模型参数的自动率定，可有效提高模型的调参效率［18,19］。王盈旭等［20］证明通过改进的深度学习算法可以适合非线性系统的建模，并能得到很好的预测效果。Deléglis等［21］发现深度学习算法适合处理粮食供需相关多源异构数据且预测效果较好。Emerson等［22］、Schwalbert等［23］及Shahhosseini等［24］进一步研究表明，应用人工神经网络（ArtificialNeuralNetwork，ANN）等智能学习方法预测农作物产量较传统时间序列和多元线性回归模型效果要好。智能化模型方法综合分析方法已成为农产品供需分析预测的有效工具。从现...