手机版 English 帮助中心
外文文献知网节
文献信息节点
基本信息 摘要 关键词 核心评价 相关文献
Journal | [J] 科研管理SG（原名：科研管理） Volume 7, Issue 12. 2025.
基于 BP 神经网络的黄山市茶叶产量预测研究
作者 : 钱 锦, 王佳 佳*, 李 佳振, 黄 可云, 李 娇娇, 陈 尧庭
DOI: 10.12361/2661-376X-07-12-175289
全部来源
获取全文
摘要 / Abstract
茶叶产量的准确预测对于农业生产规划与管理具有重要意义。本研究基于 2003—2023 年的黄山市茶叶产量数据， 系统分析了影响茶叶产量的主要因子，包括茶园采摘面积、年平均气温、年平均降水量及累计日照时数等。以此为输入特征， 构建了 BP 神经网络预测模型，用于量化茶叶产量变化规律。试验结果表明，模型预测值与实际产量相关系数超过 0.7，整 体平均误差百分比仅为 0.65%，显示出较高的预测精度与稳定性。该模型能够有效反映茶叶产量的年度波动趋势，为黄山 市茶叶种植规划、生产管理和政策制定提供了科学依据。研究验证了神经网络方法在非线性农业产量预测中的实用性与可 靠性。
关键词 / Keywords
茶叶产量；BP 神经网络；预测模型；气象因子；非线性建模
Related articles / 相关文献
相似文献
作者发文
机构发文
关键词分析
相似文献（说明：与本文内容较接近的文献）
  • [1] 陈冬梅 , 韩文炎 , 周贤锋 , 等 . 基于自适应增强的 BP
  • 模型的浙江省茶叶产量预测 [J]. 茶叶科学 ,2021,41(4):13.
  • [2] 王郑霞 , 肖来胜 . 基于神经网络的茶叶产量建模与预
  • 测方法研究 [J]. 电脑知识与技术 ,2011,7(22):5427-5429.
  • [3] 王美洁 , 姜同强 . 基于 BP 神经网络的茶叶产量预测
  • 研究 [J]. 福建茶叶 ,2019,41(2):27.
  • [4]BATOOL D, SHAHBAZ M, SHAHZAD ASIF H, et al. A
  • Hybrid Approach to Tea Crop Yield Prediction Using Simulation
  • Models and Machine Learning [J]. Plants, 2022, 11(15): 1925.
  • [5]Phan P, Chen N, Xu L, et al. Using multi-temporal MODIS
  • NDVI data to monitor tea status and forecast yield: a case study
  • at Tanuyen, Laichau, Vietnam[J]. Remote Sensing, 2020, 12(11):
  • 1814.
  • [6] 胡克满 , 胡海燕 . 基于灰色神经网络的茶叶产量预测
  • 算法 [J]. 浙江农业科学 , 2019,60 (04):577-579+583.
  • [7] 袁泉 , 胡玉才 , 孙永厚 . 基于 BP 神经网络的预测方
  • 法应用研究 [J]. 农业系统科学与综合研究 ,1998, (04):261-263.
  • [8] 丁鹏 , 徐爱俊 , 周素茵 . 基于梯度提升决策树多特征
  • 结合的茶叶产量预测 [J]. 西南农业学报 ,2021,(007):034.
  • [9] 徐 涛 , 闫 彪 , 何 曹 尹 宣 , 等 . 基 于 图 像 处 理 和
  • BP 神 经 网 络 对 武 夷 岩 茶 杂 质 识 别 方 法 [J]. 武 夷 学 院 学
  • 报 ,2025,44(06):41-47.
  • [10] 李聪 , 郭军 , 杨鹏至 , 等 . 基于 BP 神经网络的 Se 元
  • 素生物有效性预测研究——以黄沙街镇茶叶 Se 为例 [J]. 四
  • 川地质学报 ,2022,42(04):673-676.
《中国学术期刊(光盘版)》电子杂志社有限公司 KDN平台基础技术由KBASE 11.0提供
© 2014-2018中国知网(CNKI) 京公网安备11010802020460号 经营性网站备案信息 互联网出版许可证 新出网证(京)字271号 京ICP证040431号