钟 奇

    (重庆师范大学数学科学学院，重庆 401131)

    我国作为世界上人口最多的国家，始终贯彻把发展粮食生产放在社会发展的重要位置。我国粮食产量能满足人们的基本需求，但随着生活水平提高，人们对粮食的需求更多样化[1]。现阶段，我国耕地面积逐年减少，进行粮食产量预测迫在眉睫。粮食生产受众多因素综合影响，分析众多影响因素并构建粮食产量预测模型是一个值得探讨的问题。构建良好的粮食产量预测模型对国家宏观调控粮食政策、保障国民粮食需求都具有十分重要的指导意义。

    目前，国内外对预测粮食产量问题的研究中，具有很强代表性的模型有3 种。①时间序列模型是根据长期的历史趋势数据对未来粮食产量进行分析预测，其中较常见的包括指数平滑法和灰色预测方法，这类模型的优点是简单易行且在短期内有较高精度，但不能体现变量因素对粮食产量的影响[2]。②回归模型能描述变量之间的内在联系，但易因变量选取不恰当造成较大的结果偏差。③神经网络模型是模仿人体神经元间关系建立的非线性模型，在粮食产量预测中有较好的应用价值。

    采用BP 神经网络能较好地描述粮食产量的非平稳性，但算法可能陷入局部极值等[3]。粮食产量的影响因素之间具有复杂的联系，若考虑较多的影响因素，会增加问题的复杂程度，因此本文采用主成分分析法提取主成分，优化BP 神经网络，提高粮食产量预测精确度。

    1 PCA-BP 组合模型

    粮食生产受众多因素综合影响 ......