基于 BP 神经网络的黄山市茶叶产量预测研究

钱 锦, 王佳 佳*, 李 佳振, 黄 可云, 李 娇娇, 陈 尧庭
黄山学院数学与统计学院

摘要

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

茶叶产量；BP 神经网络；预测模型；气象因子；非线性建模

参考

[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.