Forest and Grassland Resources Research >
Study on Lasso-gray Prediction Model of Pecans Yield in Lin 'an
In order to make accurate prediction on pecan yield,this paper takes Lin 'an pecan as an example for empirical study and analyzes the influential factors such as the climate and the planting quantity through establishing the Lasso regression and gray prediction combination model.The results show that compared with the prediction effects of the three models,Lasso-BP,Lasso-RBF and Lasso-GRNN,the prediction accuracy of the Lasso-GM model is higher,with an average relative error of 6.99 percent,from which the law of the changes of pecans output can be mastered.Meanwhile,the prediction results also show that by 2024,the output of Lin 'an pecans will continue to increase in a stable way.
Key words： Lin'an area; pecans; lasso-grey model; yield prediction
Yazhi FENG , Yanrong HU , Hongjiu LIU . Study on Lasso-gray Prediction Model of Pecans Yield in Lin 'an[J]. Forest and Grassland Resources Research, 2021 , 0(1) : 94 -102 . DOI: 10.13466/j.cnki.lyzygl.2021.01.013
| [1] | 国务院关于促进乡村产业振兴的指导意见[EB/OL].(2019-06-28)[2019-10-07] http://www.gov.cn/zhengce/content/2019-06/28/content_5404170.htm. |
| [2] | 临安市山核桃产业可持续发展实施细则(试行)[EB/OL].(2015-08-27)[2020-04-15] http://www.lanews.com.cn/rdzt/2015zt/2015shtzw/content/2015-08/27/content_5852732.htm. |
| [3] | 杭州市临安区乡村振兴扶持暂行管理办法[EB/OL].(2018-06-15)[2020-09-03] https://www.sohu.com/a/235981282_349158. |
| [4] | 吴潇, 陈绍志, 赵荣. 基于GM(1,1)模型的中国油茶产业发展预测[J]. 林业经济问题, 2017,37(5):92-96. |
| [5] | 尹世久, 吴林海, 张勇. 我国粮食产量波动影响因素的经验分析[J]. 系统工程理论与实践, 2009,29(10):28-34. |
| [6] | 刘文慧, 王少然. 基于GM(1,1)回归模型的生鲜农产品市场需求预测研究[J]. 保鲜与加工, 2018,18(3):127-132. |
| [7] | 陈宝平, 于海英. 基于新维无偏灰色马尔可夫的农产品产量预测模型[J]. 电子科技, 2017,30(6):30-33. |
| [8] | 刘浩然, 吴克宁, 宋文, 等. 黑龙江粮食产能及其影响因素研究[J]. 中国农业资源与区划, 2019,40(7):164-170. |
| [9] | 范震, 马开平, 姜顺婕, 等. 基于改进GM(1,N)模型的我国大豆价格影响因素分析及预测研究[J]. 大豆科学, 2016,35(5):847-852. |
| [10] | 马云倩, 郭燕枝, 王秀丽, 等. 基于LASSO与GM(1,N)模型的中国粮食产量预测[J]. 干旱区资源与环境, 2018,32(7):30-35. |
| [11] | 崔兴凯, 路秀英. 基于NGM(1,1,k)模型的农产品产量预测方法[J]. 微电子学与计算机, 2011,28(8):201-203. |
| [12] | 樊超, 郭亚菲, 曹培格, 等. 基于主成分分析的粮食产量极限学习机预测模型研究[J]. 粮食加工, 2017,42(2):1-5. |
| [13] | 刘世锦, 刘培林, 陈昌盛, 等. 到2023年中国农业增长趋势预测[J]. 发展研究, 2014(7):4-9. |
| [14] | Schwalbert R A, Amado T, Corassa G, et al. Satellite-based soybean yield forecast:Integrating machine learning and weather data for improving crop yield prediction in southern Brazil[J]. Agricultural and Forest Meteorology, 2020,284. |
| [15] | Madhav B, Lucía G, Lorena C, et al. Multi-trait Genomic Prediction Model Increased the Predictive Ability for Agronomic and Malting Quality Traits in Barley(Hordeum vulgare L.)[J].G3(Bethesda,Md.),2020. |
| [16] | 陈全润, 杨翠红. 河南省粮食产量预测方法研究[J]. 系统科学与数学, 2018,38(7):813-822. |
| [17] | 高心怡, 韩飞. 基于混合智能算法的支持向量机的粮食产量预测[J]. 江苏大学学报:自然科学版, 2020(3):301-306. |
| [18] | 庄星, 韩飞. 基于混合群智能算法优化BP神经网络的粮食产量预测[J]. 江苏大学学报:自然科学版, 2019,40(2):209-215. |
| [19] | 吕秋菊. 改革开放40年山核桃产业发展阶段识别——基于产业生命周期视角[J]. 江西农业学报, 2018,30(11):115-119. |
| [20] | 喻胜华, 龚尚花. 基于Lasso和支持向量机的粮食价格预测[J]. 湖南科技大学学报.社会科学版, 2016,30(1):71-75. |
| [21] | 胡慧芝, 王建力, 王勇, 等. 1990~2015年长江流域县域粮食生产与粮食安全时空格局演变及影响因素分析[J]. 长江流域资源与环境, 2019,28(2):359-367. |
| [22] | 韩洪云, 孔杨勇. 农户农业互助保险参与行为影响因素分析——以浙江临安山核桃种植户为例[J]. 中国农村经济, 2013(7):24-35. |
| [23] | 杨延兵, 秦岭, 王润丰, 等. 山东省不同生态条件气候因素对谷子产量的影响[J]. 中国农业科学, 2020,53(7):1348-1358. |
| [24] | 凌霄霞, 张作林, 翟景秋, 等. 气候变化对中国水稻生产的影响研究进展[J]. 作物学报, 2019,45(3):323-334. |
| [25] | 姜大膀, 刘叶一. 温室效应会使地球温度上升多高?——关于平衡气候敏感度[J]. 科学通报, 2016,61(7):691-694. |
/
| 〈 |
|
〉 |
