典型文献
基于深度学习的多种农产品供需预测模型
文献摘要：
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.
文献关键词：
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：
作者姓名：
庄家煜;许世卫;李杨;熊露;刘克宝;钟志平
作者机构：
中国农业科学院农业信息研究所,北京100081;农业农村部农业信息服务技术重点实验室,北京100081;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
文献出处：
引用格式：
[1]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(02):174-182
A类：
供需预测模型
B类：
过程模拟,估算精度,农业数据,产品品种,长短时记忆神经网络,Long,Short,Term,Memory,Neural,Network,深度学习算法,非线性模型,分析预测,稻谷,小麦,大豆,猪肉,禽肉,牛肉,羊肉,水产品,主要农产品,年产量,产量预测,国家统计局,对比验证,预测准确率,研究构建,指标变化,运行数据,多区域,跨期,农业展望,智能化技术,循环神经网络,农产品产量
AB值：
0.40329
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
