一种基于ARIMA-GRNN模型的粮食产量预测方法技术

本发明专利技术公开了一种基于ARIMA‑GRNN模型的粮食产量预测方法，包括以下步骤：A、获取与粮食产量相关的数据时间序列；B、对数据时间序列进行差分处理，得到平稳时间序列；C、使用ARIMA模型对各数据时间序列进行预测；D、根据步骤C的预测结果，保留与粮食产量相关度大于预设阈值的数据时间序列；E、建立GRNN神经网络结构，GRNN神经网络结构包括输入层、模式层、求和层和输出层，使用数据时间序列对GRNN神经网络结构进行训练；F、使用步骤D中保留的数据时间序列输入GRNN神经网络结构，得到粮食产量的预测值。本发明专利技术能够改进现有技术的不足，提高了对于粮食产量预测方法的适应能力。

A grain yield prediction method based on ARIMA-GRNN model

【技术实现步骤摘要】
一种基于ARIMA-GRNN模型的粮食产量预测方法
本专利技术涉及一种粮食产量预测方法，尤其是一种基于ARIMA-GRNN模型的粮食产量预测方法。
技术介绍
粮食安全是国家安全的基石。为了准确掌握和预测全国各地的粮食产量，本领域的众多专家学者开发了多种预测方法。现有的预测方法对于数据量和数据准确性的依赖度大，在实际使用中不够方便。
技术实现思路
本专利技术要解决的技术问题是提供一种基于ARIMA-GRNN模型的粮食产量预测方法，能够解决现有技术的不足，提高了对于粮食产量预测方法的适应能力。为解决上述技术问题，本专利技术所采取的技术方案如下。一种基于ARIMA-GRNN模型的粮食产量预测方法，包括以下步骤：A、获取与粮食产量相关的数据时间序列；B、对数据时间序列进行差分处理，得到平稳时间序列；C、使用ARIMA模型对各数据时间序列进行预测；D、根据步骤C的预测结果，保留与粮食产量相关度大于预设阈值的数据时间序列；E、建立GRNN神经网络结构，GRNN神经网络结构包括输入层本文档来自技高网...

【技术保护点】
1.一种基于ARIMA-GRNN模型的粮食产量预测方法，其特征在于包括以下步骤：/nA、获取与粮食产量相关的数据时间序列；/nB、对数据时间序列进行差分处理，得到平稳时间序列；/nC、使用ARIMA模型对各数据时间序列进行预测；/nD、根据步骤C的预测结果，保留与粮食产量相关度大于预设阈值的数据时间序列；/nE、建立GRNN神经网络结构，GRNN神经网络结构包括输入层、模式层、求和层和输出层，使用数据时间序列对GRNN神经网络结构进行训练；/nF、使用步骤D中保留的数据时间序列输入GRNN神经网络结构，得到粮食产量的预测值。/n

【技术特征摘要】
1.一种基于ARIMA-GRNN模型的粮食产量预测方法，其特征在于包括以下步骤：
A、获取与粮食产量相关的数据时间序列；
B、对数据时间序列进行差分处理，得到平稳时间序列；
C、使用ARIMA模型对各数据时间序列进行预测；
D、根据步骤C的预测结果，保留与粮食产量相关度大于预设阈值的数据时间序列；
E、建立GRNN神经网络结构，GRNN神经网络结构包括输入层、模式层、求和层和输出层，使用数据时间序列对GRNN神经网络结构进行训练；
F、使用步骤D中保留的数据时间序列输入GRNN神经网络结构，得到粮食产量的预测值。


2.根据权利要求1所述的基于ARIMA-GRNN模型的粮食产量预测方法，其特征在于：步骤A中，数据时间序列包括农业机械总动力、当年实际机耕地面积、当年机械播种面积、农用化肥施用量、农药使用量、有效灌溉面积、粮食作物播种面积、粮食作物播种单产、农林牧渔业总产值、小麦播种面积、小麦播种单产、小麦总产量、玉米播种面积、玉米播种单产、玉米总产量、受灾面积。


3....

【专利技术属性】
技术研发人员：胡建，李晋，李琨，高彩云，任倩，
申请(专利权)人：河北农业大学，
类型：发明
国别省市：河北;13