基于深度学习的多种农产品供需预测模型

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。