基于深度学习的多种农产品供需预测模型

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.