来源：期刊VIP网 时间：
作者：郭艳辉;王伟;
单位：河南师范大学计算机与信息工程学院;
摘要：为精准捕捉不同因素与粮食产量变化趋势之间的关系，为农业生产等提供更为可靠和有效的支持，文中提出基于长短期记忆网络的粮食产量趋势预测方法。在采用WT-EEMD方法处理原始粮食产量样本数据的过程中，利用小波变换（WT）分解获取其高低频分量，使用集合经验模态分解（EEMD）获取其模态分量，对分解结果进行拼接，完成粮食产量变化趋势特征的捕捉；通过基于动态相关性的特征选择方法对影响粮食产量的关键特征作筛选；将提取的特征集与历史粮食产量时间序列一起输入到基于LSTM网络的产量预测模型中，利用粒子群优化算法改进模型参数；通过学习特征向量对粮食产量的长期影响后，输出粮食产量预测结果。实验结果表明：该方法可实现粮食产量趋势预测，预测误差不超过1.63%；经过特征提取与选择，粮食产量预测的R~2指标值可达到0.93，平均绝对误差为0.41，验证了所提方法的有效性。
关键词：粮食产量;;趋势预测;;WT-EEMD;;高低频分量;;模态分量;;动态相关性;;特征集;;产量预测模型
