□文/劉尚俊 劉君

（塔里木大學(xué)經(jīng)濟與管理學(xué)院新疆·阿拉爾）

我國是紡織服裝業(yè)大國，棉花的穩(wěn)定供給對我國棉紡業(yè)意義重大。2011年新疆棉花種植面積2，393.9萬畝，產(chǎn)量289.8萬噸，連續(xù)19年保持面積、單產(chǎn)、總產(chǎn)、調(diào)出量全國第一。棉花產(chǎn)業(yè)發(fā)展的穩(wěn)定與否，不僅關(guān)系到國家棉花安全和棉紡工業(yè)穩(wěn)定發(fā)展，也關(guān)系到新疆農(nóng)村經(jīng)濟發(fā)展和社會的穩(wěn)定。而棉花產(chǎn)業(yè)的穩(wěn)定發(fā)展，離不開棉花產(chǎn)量的預(yù)測。分析與預(yù)測新疆棉花產(chǎn)量，不僅可以了解新疆棉花產(chǎn)量的走勢，而且有助于統(tǒng)籌安排新疆棉花的種植、消費、出口等相關(guān)事宜，從而穩(wěn)定棉花市場的供求，同時兼顧棉農(nóng)的利益。

棉花屬于純經(jīng)濟作物，受市場價格變化影響很大，因此棉花種植面積具有很大波動性，同時氣候變化對于棉花產(chǎn)量的影響至關(guān)重要。因此，相比糧食作物來說，棉花產(chǎn)量的預(yù)測具有較大難度。

時間序列預(yù)測和灰色系統(tǒng)GM（1，1）等模型均是假設(shè)所有的影響因素都蘊含在單一歷史序列中，主要依靠總產(chǎn)量數(shù)據(jù)建立預(yù)測模型，需要的數(shù)據(jù)較少，比較容易操作；適合于具有長期趨勢的序列，對于波動比較劇烈的序列預(yù)測效果較差。目前，對新疆棉花產(chǎn)量預(yù)測的研究大部分都是此類。

回歸分析預(yù)測和神經(jīng)網(wǎng)絡(luò)預(yù)測屬于因果關(guān)系預(yù)測，假定一個因素的變動是由另一個或幾個變量引起的，通過掌握自變量的變動可以知道因變量的變動趨勢。要求占有盡可能多的資料，而對數(shù)列的波動趨勢沒有特別要求?；貧w分析需要假設(shè)關(guān)系的數(shù)量模型形式，然后用最小二乘法擬合，而神經(jīng)網(wǎng)絡(luò)則不需要假設(shè)數(shù)量關(guān)系的形式，通過反復(fù)多次的學(xué)習(xí)和訓(xùn)練達到模擬變量關(guān)系的目的。本文擬選用BP神經(jīng)網(wǎng)絡(luò)對棉花總產(chǎn)量進行預(yù)測。

一、建立人工神經(jīng)網(wǎng)絡(luò)模型的方法

（一）BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。BP網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。BP神經(jīng)網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)包括輸入層、隱層和輸出層。當有信息向網(wǎng)絡(luò)輸入時，信息先由輸入層傳至隱層節(jié)點，再傳至輸出層。

（二）BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。以只包含一層隱層節(jié)點神經(jīng)網(wǎng)絡(luò)為例，其算法的步驟如下：

（1）設(shè)置變量和參量：

為輸入向量，M代表輸入向量維數(shù)，N為訓(xùn)練樣本個數(shù)。

WMI（n）=（wij）M×I為第n次迭代時輸入層與隱層I間的權(quán)值向量；WIP（n）=（wij）I×P為第n次迭代時隱層I與輸出層之間的權(quán)值向量。

（k=1，2，…，N）為第n次迭代時網(wǎng)絡(luò)的實際輸出，P為輸出向量的維數(shù)。dk（n）=［dk1（n），dk2（n），…，dkP（n）］，（k=1，2，…，N）為期望輸出。

（2）初始化。賦較小的隨機非零值于WMI（0），WIP（0）。

（3）輸入樣本Xk，令n=0。

（4）對輸入樣本Xk，前向計算BP網(wǎng)絡(luò)每層神經(jīng)元的輸入信號u和輸出信號v，將得出的實際輸出Yk（n）與期望輸出dk（n）相比較，判斷是否滿足要求，若滿足轉(zhuǎn)至（7），不滿足轉(zhuǎn)至（5）。

（5）判斷n是否達到最大迭代次數(shù)，若大于轉(zhuǎn)至（7），否則對輸入樣本Xk，反向計算每層神經(jīng)元局部梯度δ。其中：δPp=

（6）按下式計算權(quán)值修正△W，并修正權(quán)值，η為學(xué)習(xí)速率。n=n+1，轉(zhuǎn)至（4）。

（7）判斷是否學(xué)完所有的訓(xùn)練樣本，是則結(jié)束，否則返回（3）。

二、基于神經(jīng)網(wǎng)絡(luò)的新疆棉花產(chǎn)量預(yù)測模型

（一）模型設(shè)定。以新疆棉花種植面積X1，有效灌溉面積X2，化肥使用量為輸入神經(jīng)元X3，以新疆棉花總產(chǎn)量y為輸出神經(jīng)元，利用以上算法建立BP神經(jīng)網(wǎng)絡(luò)模型，根據(jù)1995年到2010年的歷史數(shù)據(jù)進行神經(jīng)網(wǎng)絡(luò)訓(xùn)練和預(yù)測模擬實驗。

模型輸入變量：棉花種植面積（萬畝）X1；有效灌溉面積（萬畝）X2；機械擁有量（萬千瓦）X3。期望輸出：棉花總產(chǎn)量（萬噸）Y。

由于每個指標的單位和變動范圍不同，需要對數(shù)據(jù)進行標準化（標志值落在全區(qū)間［–1，1］）。標準化方法：X'=

表1 神經(jīng)元網(wǎng)絡(luò)訓(xùn)練結(jié)果與回歸分析結(jié)果比較表

模型設(shè)定一個隱層。隱層節(jié)點數(shù)量根據(jù)經(jīng)驗設(shè)定為5，學(xué)習(xí)速率設(shè)定0.01，目標精度0.0001，最大訓(xùn)練次數(shù)50000。

（二）模型運行與分析。選用多元線性回歸模型與神經(jīng)網(wǎng)絡(luò)模型進行比較，運行結(jié)果見表1。（表1）其中，1995～2009年數(shù)據(jù)為樣本擬合值，2010年數(shù)據(jù)為樣本預(yù)測值。將神經(jīng)網(wǎng)絡(luò)預(yù)測值與多元線性回歸預(yù)測值進行比較，其中：相對誤差=（預(yù)測值–實際值Y）/實際值Y。

三、結(jié)論

人工神經(jīng)網(wǎng)絡(luò)BP模型能自主地從訓(xùn)練實例中學(xué)習(xí)，建立自變量與因變量之間的非線性映射關(guān)系。與線性回歸預(yù)測一樣，指標的選擇對神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和預(yù)測有較大的影響，應(yīng)結(jié)合實際問題對預(yù)測指標進行適當?shù)娜∩?，力求所建立的神?jīng)網(wǎng)絡(luò)預(yù)測模型有較高的預(yù)測精度。鑒于棉花種植成本連年提高，加之新疆尤其是南疆水資源匱乏，新疆維吾爾自治區(qū)政府2008年提出減棉增果號召，因此2009年和2010年新疆棉花種植面積和產(chǎn)量明顯萎縮。所以，進行新疆棉花產(chǎn)量預(yù)測時應(yīng)綜合考慮宏觀政策、棉花價格等諸因素，從而進一步提高預(yù)測精度。

[1]2011年我區(qū)農(nóng)業(yè)農(nóng)村工作大事盤點：新疆農(nóng)業(yè)信息網(wǎng).http：//www.xj-agri.gov.cn/.

[2]肖雙喜，劉小和.棉花種植面積影響因素分析——基于新疆、河南、江蘇和山東四省的調(diào)查[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2008.4.

[3]楊偉靜.基于BP神經(jīng)網(wǎng)絡(luò)的鐵路客流量預(yù)測研究[J].合作經(jīng)濟與科技，2010.13.

[4]朱輝.GM（1，1）模型在新疆生產(chǎn)建設(shè)兵團棉花總產(chǎn)量預(yù)測中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2008.20.