使用多层感知机与ANFIS机器学习算法预测粮食生产
综合经济学
2021-04-30 v1 经济学
摘要
推进精确估算粮食生产的模型对于政策制定及管理粮食安全国家行动计划至关重要。本研究提出两种用于粮食生产预测的机器学习模型。采用自适应神经模糊推理系统（ANFIS）与多层感知机（MLP）方法来推进预测模型。本研究中，将畜牧生产与农业生产两个变量作为粮食生产的来源。评估畜牧生产使用三个变量，即畜牧产量、活畜与屠宰动物；评估农业生产使用两个变量，即农业生产产量与损失。选取伊朗作为本研究的案例。因此，从FAOSTAT数据库收集了伊朗1961至2017年畜牧与农业生产的时序数据。首先，该数据的70%用于训练ANFIS与MLP，其余30%用于测试模型。结果揭示，具有广义钟形（Gbell）内置隶属函数的ANFIS模型在预测粮食生产时误差水平最低。本研究结果为政策制定者提供了适用工具，可借助该模型预测粮食生产的未来，从而为下一代的粮食安全与粮食供应未来提供恰当规划。
引用
@article{arxiv.2104.14286,
title = {Prediction of Food Production Using Machine Learning Algorithms of Multilayer Perceptron and ANFIS},
author = {Saeed Nosratabadi and Sina Ardabili and Zoltan Lakner and Csaba Mako and Amir Mosavi},
journal= {arXiv preprint arXiv:2104.14286},
year = {2021}
}