基于新疆糧食產(chǎn)量的灰色關(guān)聯(lián)分析及其BP模型預(yù)測

劉昭雪 楊莉莉 支金虎

摘要：為明確影響新疆糧食產(chǎn)量的主要因素及預(yù)測未來變化，采用灰色關(guān)聯(lián)法和BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，對2000—2019年影響新疆糧食產(chǎn)量的9個關(guān)聯(lián)指標進行分析。結(jié)果表明，糧食作物播種面積、勞動力數(shù)量和有效灌溉面積是影響新疆糧食產(chǎn)量的主要因素，其關(guān)聯(lián)度均高于0.91。從新疆的實際情況和關(guān)聯(lián)度分析出發(fā)，確定影響糧食產(chǎn)量的6個重要因素是糧食作物播種面積、就業(yè)人數(shù)、有效灌溉面積、農(nóng)業(yè)機械總動力、化肥施用量和新疆人口數(shù)量。利用matlab2015b軟件構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測2020年新疆糧食產(chǎn)量為1 542.7萬t，預(yù)測值與當年的實際糧食產(chǎn)量相差不大，說明BP神經(jīng)網(wǎng)絡(luò)模型對糧食產(chǎn)量的預(yù)測具有很好的匹配性。

關(guān)鍵詞：糧食產(chǎn)量;關(guān)聯(lián)度;BP神經(jīng)網(wǎng)絡(luò)模型;影響因素;新疆

中圖分類號：S11? ? ? ? ? ? ? 文獻標志碼：A? ? ? ? ? ? ? 文章編號：1001-1463（2022）09-0080-06

doi：10.3969/j.issn.1001-1463.2022.09.019

Study on the Grain Yield in Xinjiang Using Grey Correlation Analysis and BP Model Prediction

LIU Zhaoxue 1， 2， 3， YANG Lili 1， 2， 3， ZHI Jinhu 1， 2， 3

（1. College of Agonomy， Tarim University， Alar Xinjiang 843300， China; 2. Collaborative Innovation Centre of Eco-agriculture Around Tarim Basin， Alar Xinjiang 843300， China; 3. The Research Centre of Oasis Agriculurces and Environment in Sourthern Xinjiang， Tarim University， Alar Xinjiang 843300， China）

Abstract： To determine factors affecting the grain yiled in Xinjiang and to predict its potential changes in future， the BP neural network prediction model and grey correlation method were used in this study to analyze nine ralated indices from 2000 to 2019 on grain yield in Xinjiang. The results showed that sown area of grain crops， agricultural labor quantity and the effective irrigated area were the main factors affecting the grain yield in Xinjiang， their correlation factors were all higher than 0.91. Based on the actual situation and correlation degree analysis of Xinjiang grain production， six important factors affecting grain yield were determined i.e.， sown area of grain crops， agricultural labor quantity， effective irrigated area， total power of agricultural machinery， fertilizer application and population of Xinjiang. Matlab 2015b software was used to build BP neural network model which predicted that the grain output in 2020 for Xinjiang was 15.427 million tons， the predicted value was not much different from the actual grain output of that year， which showed that the BP neural network model had a very good prediction over grain output.

Key words： Grain yield; Correlation degree; BP neural network model; Affecting factor; Xinjiang

糧食是國家的立根之本，尤其對于發(fā)展中國家來說，保證糧食產(chǎn)量充足是社會發(fā)展的物質(zhì)基礎(chǔ)[1 ]。雖然我國的糧食總產(chǎn)量在不斷增加，但仍然存在區(qū)域性短缺和局部糧食不安全問題[2 ]。從我國糧食產(chǎn)量的未來發(fā)展趨勢出發(fā)，糧食安全問題不容樂觀，農(nóng)業(yè)在國民經(jīng)濟生產(chǎn)總值中仍處于落后地位。糧食產(chǎn)量的波動和糧食安全問題密切聯(lián)系，對糧食產(chǎn)量波動現(xiàn)狀、周期、影響因素和原因等進行研究，有利于穩(wěn)定糧食生產(chǎn)，保證我國糧食安全[3 ]。糧食生產(chǎn)作為經(jīng)濟和自然再生產(chǎn)的復雜統(tǒng)一體，其生產(chǎn)過程受很多因素的影響并且關(guān)系錯綜復雜。安曉寧[4 ]認為影響糧食產(chǎn)量的關(guān)鍵要素是勞動力，制約糧食生產(chǎn)的重要因素是土地面積，另外農(nóng)機電、農(nóng)田水利設(shè)施的建設(shè)和化肥的使用直接關(guān)系到糧食產(chǎn)量的提高;郭淑敏等[5 ]通過關(guān)聯(lián)系數(shù)的計算指出，影響糧食產(chǎn)量的主要因素有科技水平、農(nóng)業(yè)現(xiàn)代化水平、耕地狀況、有效灌溉面積;王雙進等[6 ]從物質(zhì)投入、資源環(huán)境和政策因素3個角度研究，選擇了8個指標作為影響糧食產(chǎn)量的因素;張素文等[7 ]采用傳統(tǒng)的多元回歸模型和灰色關(guān)聯(lián)分析兩種方法，分析了湖南近50年來糧食播種面積、糧食產(chǎn)量的總體變化趨勢，預(yù)測了湖南省2010年的糧食總產(chǎn)量。郭慶春等[8 ]通過BP神經(jīng)網(wǎng)絡(luò)模型對我國糧食產(chǎn)量進行預(yù)測，并建立了糧食產(chǎn)量的神經(jīng)網(wǎng)絡(luò)預(yù)測模型;伍丹華等[9 ]從影響糧食產(chǎn)量的因素出發(fā)，利用BP模型預(yù)測江蘇省東臺市2009 — 2018年的糧食產(chǎn)量，其模型取得了較好的預(yù)測結(jié)果。

已有文獻通常采用面板數(shù)據(jù)或長時間的序列數(shù)據(jù)，采用一元線性回歸[10 ]、多元回歸[11 ]、地理加權(quán)回歸[12 ]、C-D函數(shù)[12 - 13 ]、灰色關(guān)聯(lián)分析[14 ]、主成分分析[15 ]、BP神經(jīng)網(wǎng)絡(luò)[16 ]等建立模型，將特定區(qū)域作為整體進行主導因子研究。每種方法有各自的適用條件，從而在不同方面解釋糧食產(chǎn)量變化和影響因素之間的關(guān)系。其中BP神經(jīng)網(wǎng)絡(luò)模型是應(yīng)用最廣泛的預(yù)測模型，它擬合了復雜的非線性系統(tǒng)問題，彌補了傳統(tǒng)預(yù)測和估算方法的缺陷，具有較好的預(yù)測特性。新疆作為我國面積最大的地區(qū)，潛在農(nóng)業(yè)耕地資源豐富，糧食安全和產(chǎn)量保障尤為重要。我們基于已有研究成果，運用灰色關(guān)聯(lián)法對新疆糧食產(chǎn)量的影響因素進行研究，并通過BP神經(jīng)網(wǎng)絡(luò)模型對新疆2020年糧食產(chǎn)量進行預(yù)測，以期為我國糧食安全預(yù)警提供參考。

1? ?材料與方法

1.1? ?研究區(qū)概況

新疆地處亞歐大陸腹地，具有連接東西的優(yōu)越地理位置，是我國古代絲綢之路的重要通道[17 ]，現(xiàn)為第二座“歐亞大陸橋”的重要走廊[18 ]，新絲綢之路經(jīng)濟帶核心區(qū)[19 ]。地處東經(jīng)73° 40′～96° 18′，北緯34° 25′～48° 10′，居東半球和北半球中緯度地區(qū)，地理位置構(gòu)成了“三山夾兩盆”的獨特地貌[20 ]，總面積約166萬km2，占中國國土面積的1/6[21 ]。新疆受氣候、地理位置的影響，降水稀少，其降水量遠低于蒸發(fā)量[22 ]，是中亞地區(qū)典型的干旱半干旱區(qū)，淡水資源嚴重匱乏[17 ]。其南北跨度大，農(nóng)業(yè)地域差異明顯，土地資源豐富，是我國重要的糧食產(chǎn)區(qū)之一。

1.2? ?數(shù)據(jù)及其來源

研究對象為新疆2000 — 2019年的糧食產(chǎn)量及其影響糧食產(chǎn)量的3個方面（自然因素、經(jīng)濟因素和科技因素）的9個因子，數(shù)據(jù)來自《中國統(tǒng)計年鑒》（2000 — 2019年）[23 ]、 《新疆統(tǒng)計年鑒》（2000 — 2019年）[24 ]，見表1。

1.3? ?指標體系的修正

為了使影響因素更加可靠，首先利用 SPSS 軟件對新疆糧食產(chǎn)量及其影響因子進行Pearson回? 歸[25 ]，然后根據(jù)顯著性強弱剔除相關(guān)性弱的因子，最后選取影響糧食產(chǎn)量的關(guān)鍵變量。關(guān)于糧食產(chǎn)量的相關(guān)分析結(jié)果見表2。由表2的相關(guān)性分析結(jié)果可知，9個因子均與糧食產(chǎn)量呈現(xiàn)顯著的相關(guān)性。

1.4? ?灰色關(guān)聯(lián)法[1 ]

1.4.1? ? 確定分析數(shù)列? ? 選取新疆的糧食產(chǎn)量作為參考序列，9個影響因子作為比較序列。則構(gòu)造參考序列：y0={y0（t），t=1，2，…，n}={y0（1），y0（2），…，y0（n）}，式中，t表示不同時刻，構(gòu)造比較序列{xt（t），t=1，2，…，n}={xi（1），xi（2），…，xi（n）}t=1，2，…，k。

1.4.2? ? 變量的無量綱化? ? 原始數(shù)據(jù)的單位不統(tǒng)一，無法直接進行比較，必須對其進行無量綱化，提高模型的精度，標準化公式如下。

X′i（k）=，Xi（1）≠0

1.4.3? ? 關(guān)聯(lián)系數(shù)的計算? ? 關(guān)聯(lián)系數(shù)是指解釋變量和被解釋變量之間的相關(guān)度系數(shù)[1 ]，新疆糧食產(chǎn)量和各影響因素之間的關(guān)聯(lián)系數(shù)計算公式如下。

ξi （k）=式中，y（k）-xi（k）與y（k）-xi（k）分別表示最大和最小二級差，ρ代表分辨系數(shù)，一般取 ρ=0.5。

1.4.4? ? 關(guān)聯(lián)度的計算? ? 關(guān)聯(lián)度是在關(guān)聯(lián)系數(shù)的基礎(chǔ)上，求其各個年份的平均值得到的數(shù)值，其計算公式如下。

Si =∑ξi （k）， k=1，2，…，n

計算過程由SPSSAU軟件完成。

1.5? ?BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型

神經(jīng)網(wǎng)絡(luò)是由多個神經(jīng)元組成的廣泛互連的神經(jīng)網(wǎng)絡(luò)，能夠模擬生物神經(jīng)系統(tǒng)真實世界及物體之間所做出的交互反應(yīng)。BP神經(jīng)網(wǎng)絡(luò)作為根據(jù)誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩啻吻梆伨W(wǎng)絡(luò)，通過對人類神經(jīng)元的功能進行模擬，可以儲存及學習大量的輸入數(shù)據(jù)和輸出數(shù)據(jù)，且不需對變量的映射關(guān)系進行描述，利用輸入和輸出數(shù)據(jù)建模，其對非線性系統(tǒng)具有很強的模擬能力[26 - 27 ]。BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸入值，是根據(jù)隱含層輸入值，連接權(quán)限和閾值來計算，最后預(yù)測誤差根據(jù)網(wǎng)絡(luò)預(yù)測輸出值和期望輸入值計算得出[9 ]。

該模型選取糧食作物播種面積、就業(yè)人數(shù)、有效灌溉面積、農(nóng)業(yè)機械總動力、農(nóng)用化肥施用量和新疆人口數(shù)量6個指標作為輸入值，輸出變量為糧食產(chǎn)量，以此構(gòu)建神經(jīng)網(wǎng)絡(luò)，可以確定輸入層節(jié)點數(shù)為6，輸出層節(jié)點數(shù)為1。為了充分體現(xiàn)數(shù)據(jù)的規(guī)律性，在數(shù)據(jù)集訓中采取隨機劃分（7∶3）的方法對數(shù)據(jù)進行訓練，保證得到的預(yù)測值更加可靠。我們利用matlab2015b軟件中的BP神經(jīng)網(wǎng)絡(luò)代碼，對2000 — 2019年影響糧食產(chǎn)量的6個因素進行訓練和檢驗，其網(wǎng)絡(luò)層次的設(shè)計參數(shù)中最佳隱含層是4，輸出元素1個，學習速率0.01，訓練目標最小誤差0.001，步長Epochs為1000。在此設(shè)計的基礎(chǔ)上，編寫B(tài)P預(yù)測網(wǎng)絡(luò)設(shè)計與練習，經(jīng)過多次驗證，從而實現(xiàn)糧食產(chǎn)量的最優(yōu)預(yù)測。

2? ?結(jié)果與分析

2.1? ?新疆糧食產(chǎn)量影響因素的關(guān)聯(lián)度分析

利用SPSSAU軟件對2000 — 2019年新疆糧食產(chǎn)量和9個影響因子的數(shù)據(jù)進行分析，得到新疆糧食產(chǎn)量影響因素的關(guān)聯(lián)度排行（表3）。以糧食產(chǎn)量作為參考指標，研究9個影響因子、三大類因素與其的關(guān)聯(lián)度。結(jié)果表明，2000 — 2019 年影響新疆糧食產(chǎn)量的三大類因素排序為科技因素 > 自然因素 > 經(jīng)濟因素。9個因子的關(guān)聯(lián)度排序為糧食作物播種面積 > 就業(yè)人數(shù) > 有效灌溉面積 > 農(nóng)用化肥施用量 > 農(nóng)業(yè)機械總動力 > 農(nóng)村用電量 > 居民人均收入 > 新疆農(nóng)業(yè)生產(chǎn)總值 > 受災(zāi)面積。

在新疆糧食產(chǎn)量的影響因素中，科技因素排在首位，其關(guān)聯(lián)度為0.863，說明科技因素在新疆的農(nóng)業(yè)生產(chǎn)上起決定性的作用。從單個影響因子的角度比較，有效灌溉面積、農(nóng)用化肥施用量、農(nóng)業(yè)機械總動力、農(nóng)村用電量與糧食產(chǎn)量的相關(guān)度均在0.8以上，其中有效灌溉面積高達0.914。說明新疆糧食產(chǎn)量的高低與科技因素密不可分，其中灌溉面積對糧食產(chǎn)量的影響最大。

自然因素作為影響糧食產(chǎn)量的第二大因素，其關(guān)聯(lián)度為0.819，說明自然因素在糧食產(chǎn)量上起到極為重要的作用。從單個影響因子的角度比較，糧食作物播種面積排第1，受災(zāi)面積排第9，這說明在控制自然災(zāi)害和保證灌溉面積的前提下，播種面積的多少很大程度上決定了新疆糧食產(chǎn)量的多寡。由于自然因素是一種人為不可控制的因素，在農(nóng)業(yè)生產(chǎn)上要盡可能預(yù)防自然災(zāi)害的發(fā)生。

經(jīng)濟因素是影響糧食產(chǎn)量的第三大因素，其關(guān)聯(lián)度為0.801，說明經(jīng)濟因素也影響著新疆的糧食產(chǎn)量。從單個影響因子的角度比較，就業(yè)人數(shù)排第2，居民人均收入、新疆農(nóng)業(yè)生產(chǎn)總值分別排第7、8，其中就業(yè)人數(shù)與其關(guān)聯(lián)度為0.929。說明在農(nóng)業(yè)生產(chǎn)中，勞動力數(shù)量在很大程度上影響著糧食產(chǎn)量，而農(nóng)業(yè)生產(chǎn)總值和居民人均收入對糧食產(chǎn)量的影響很小。

從新疆的農(nóng)業(yè)發(fā)展狀況和實際情況出發(fā)，農(nóng)用化肥施用量在2000 — 2019年是不斷增加的。從表3可知，農(nóng)用化肥量與糧食產(chǎn)量密切相關(guān)，化肥施用量也是影響糧食產(chǎn)量的重要因素，但化肥施用過多會對土地及生態(tài)環(huán)境造成不利的影響，此結(jié)論與許甜甜等[29 ]的研究相同。新疆特殊的地理位置，導致土壤中殘留過多的鹽分，造成土地鹽漬化，加上近年來不合理的施用化肥，加劇了土壤鹽漬化的形成進程，給農(nóng)業(yè)生產(chǎn)造成了難以估量的損失。農(nóng)業(yè)的灌溉難也是新疆農(nóng)業(yè)生產(chǎn)中最緊迫解決的問題，在保證播種面積的前提下，增加灌溉面積、合理施用化肥的種類和數(shù)量，確保耕地的質(zhì)量和減輕土壤鹽漬化，才能達到作物高產(chǎn)的目的。

2.2? ?基于BP神經(jīng)網(wǎng)絡(luò)模型的糧食產(chǎn)量預(yù)測

從新疆實際情況和相關(guān)度分析出發(fā)，選取與糧食產(chǎn)量密切相關(guān)的6個影響因素作為輸入層，輸出層為對應(yīng)當年的糧食產(chǎn)量。利用matlab2015b軟件對數(shù)據(jù)進行分析。為了充分體現(xiàn)數(shù)據(jù)的規(guī)律性，在數(shù)據(jù)集訓中采取隨機劃分（7∶3）的方法將數(shù)據(jù)分為訓練樣本和檢驗樣本，以保證得到的預(yù)測值更加可靠，由此得出2000 — 2019年的糧食產(chǎn)量預(yù)測值（表4）。通過對20個樣本的隨機分布檢驗，2000 — 2019年的訓練樣本與測試樣本的擬合結(jié)果分別達到99%以上，其預(yù)測值與真實值的誤差小于4%，具有高度的精確性，說明預(yù)測結(jié)果較好。

根據(jù)此模型可以對未來年份的新疆糧食產(chǎn)量進行預(yù)測。輸入2000 — 2019年的數(shù)據(jù)作為樣本輸入，根據(jù)模型預(yù)測2020年的糧食產(chǎn)量，預(yù)測值為1 542.7萬t，國家統(tǒng)計局公布的2020年的新疆糧食產(chǎn)量為1 583.4萬t，二者誤差基本可以忽略，表明BP模型對新疆糧食產(chǎn)量的預(yù)測是可行的。新疆的土地面積占我國國土面積的1/6，其潛在的農(nóng)業(yè)耕地資源極為豐富。利用BP神經(jīng)網(wǎng)絡(luò)模型準確地預(yù)測新疆糧食產(chǎn)量對加強我國糧食宏觀調(diào)控、促進政策調(diào)整和保障糧食安全具有極其重要的意義。

3? ?討論與結(jié)論

糧食安全是國家安全的重要基礎(chǔ)。本文運用灰色關(guān)聯(lián)法對新疆糧食產(chǎn)量影響因素進行分析，并根據(jù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對2000 — 2020年的糧食產(chǎn)量進行預(yù)測。從關(guān)聯(lián)度分析可知，在新疆農(nóng)業(yè)生產(chǎn)上科技因素居于主導地位，其次是自然因素，最后是經(jīng)濟因素?？萍家蛩刂泄喔让娣e起主要因素，其次是農(nóng)用化肥施用量、農(nóng)業(yè)機械總動力、農(nóng)村用電量;自然因素中播種面積居于優(yōu)先地位;在經(jīng)濟因素中，勞動力數(shù)量占主要地位，農(nóng)業(yè)生產(chǎn)總值和居民人均收入對糧食產(chǎn)量的影響較小。糧食作物播種面積、勞動力數(shù)量和有效灌溉面積是影響新疆糧食產(chǎn)量的主要因素，其關(guān)聯(lián)度均高于0.91。從新疆的實際情況和關(guān)聯(lián)度分析出發(fā)，確定影響糧食產(chǎn)量的6個重要因素是糧食作物播種面積、就業(yè)人數(shù)、有效灌溉面積、農(nóng)業(yè)機械總動力、化肥施用量和新疆人口數(shù)量。運用BP神經(jīng)網(wǎng)絡(luò)模型，摒棄了傳統(tǒng)的以時間序列為基礎(chǔ)劃分的訓練樣本和測試樣本，采用隨機分布的原則體現(xiàn)數(shù)據(jù)的規(guī)律性，其模型構(gòu)建在新疆2000 — 2020年糧食產(chǎn)量上得到了較好的預(yù)測結(jié)果，預(yù)測2020年新疆糧食產(chǎn)量為1 542.7萬t，預(yù)測值與當年的實際糧食產(chǎn)量相關(guān)不大，說明BP神經(jīng)網(wǎng)絡(luò)模型對糧食產(chǎn)量的預(yù)測具有很好的匹配性，可為政府部門的糧食預(yù)測提供較為準確的指導。

基于新疆的糧食產(chǎn)量生產(chǎn)現(xiàn)狀和自治區(qū)的糧食生產(chǎn)政策，從科技因素的角度考慮，第一，要增加有效灌溉面積。合理利用水資源，全區(qū)域建設(shè)農(nóng)業(yè)節(jié)水設(shè)施，保證農(nóng)業(yè)生產(chǎn)中的供水難問題。第二，要合理施用化肥。新疆的土壤含鹽量較高，大部分的耕地表土出現(xiàn)鹽漬化現(xiàn)象，導致種植的作物受鹽害死亡;不合理的施肥加快了土壤鹽漬化的形成，導致作物減產(chǎn)，環(huán)境惡化。因此要堅持平衡施肥、適量施肥的原則。第三，增加農(nóng)業(yè)機械的投入以及提高農(nóng)機效率。新疆農(nóng)業(yè)種植面積大，單靠勞動力很難維持農(nóng)業(yè)的正常運轉(zhuǎn)，所以加大農(nóng)業(yè)機械的投入和提高農(nóng)業(yè)機械效率是很有必要的。從自然因素出發(fā)，第一，要合理增加糧食作物播種面積，保證農(nóng)業(yè)生態(tài)系統(tǒng)平衡發(fā)展。合理增加播種面積，能減少荒地的浪費，同時響應(yīng)自治區(qū)提出的“穩(wěn)糧”和“宜糧則糧”策略。第二，加強對自然災(zāi)害的監(jiān)測和建立健全應(yīng)急機制。自然災(zāi)害是人力不可抗拒的因素，在出現(xiàn)自然災(zāi)害時，政府和農(nóng)民應(yīng)該積極采取災(zāi)害應(yīng)急措施盡量減輕災(zāi)害所帶來的農(nóng)業(yè)損失。從經(jīng)濟方面考慮，應(yīng)增加農(nóng)業(yè)勞動人口。政府應(yīng)著力提高農(nóng)民收入水平，增加農(nóng)業(yè)財政補貼和惠農(nóng)政策，適當提高糧食的收購價格，吸引勞動力來疆發(fā)展。

參考文獻：

[1] 朱家明，劉? ?威.? 基于灰色關(guān)聯(lián)法對安徽糧食產(chǎn)量影響因素的實證研究[J].? 山西大同大學學報（自然科學版），2020，36（3）：19-24.

[2] 湯瑛芳，李紅霞，劉錦暉，等.? 甘肅省糧食生產(chǎn)形勢及新時期糧食安全對策研究[J].? 甘肅農(nóng)業(yè)科技，2021，

8（52）：63-71.

[3] 錢? ?鎮(zhèn)，臧云鵬.? 中美貿(mào)易戰(zhàn)中談糧食問題[J].? 中國投資，2018（17）：117-119.

[4] 安曉寧.? 糧食產(chǎn)業(yè)化戰(zhàn)略：中國糧食安全保障的重要選擇[J].? 農(nóng)業(yè)科研經(jīng)濟管理，1998（3）：33-34;49.

[5] 郭淑敏，馬? ?帥，陳印軍.? 我國糧食主產(chǎn)區(qū)糧食生產(chǎn)影響因素研究[J].? 農(nóng)業(yè)現(xiàn)代化研究，2007（1）：83-87.

[6] 王雙進，金京玉.? 我國糧食增產(chǎn)制約因素及發(fā)展途徑[J].? 學術(shù)交流，2013（5）：121-125.

[7] 張素文，李曉青.? 湖南省糧食生產(chǎn)變化趨勢及影響因子研究[J].? 國土與自然資源研究，2005（1）：30-31.

[8] 郭慶春，何振芳，李? ?力.? 基于BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測模型[J].? 湖南農(nóng)業(yè)科學，2011（17）：136-138.

[9] 伍丹華，周禮梅.? 基于BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測[J].? 農(nóng)業(yè)工程信息，2020，40（27）：51-53.

[10] 周? ?力，張光耀，高大偉，等.? 1978—2009年天水市耕地及糧食播種面積變化趨勢分析[J].? 甘肅農(nóng)業(yè)科技，2013（9）：34-35.

[11] 金京淑，劉? ?妍.? 吉林省糧食單產(chǎn)影響因素分析[J].? 吉林農(nóng)業(yè)科學，2010，35（3）：57-59;64.

[12] 楊麗霞.? 基于C-D函數(shù)和嶺回歸的糧食生產(chǎn)影響因素分析——以浙江省為例[J].? 地域研究與開發(fā)，2013，

32（1）：147-151.

[13] 田? ?甜，李隆玲，黃? ?東，等.? 未來中國糧食增產(chǎn)將主要依靠什么？——基于糧食生產(chǎn)“十連增”的分析[J].? 中國農(nóng)村經(jīng)濟，2015（6）：13-22.

[14] 徐國鑫，金曉斌，宋佳楠，等.? 耕地集約利用對糧食產(chǎn)量變化影響的定量分析——以江蘇省為例[J].? 地理研究，2012，31（9）：1621-1630.

[15] 梁子謙，李小軍.? 影響中國糧食生產(chǎn)的因子分析[J].? 農(nóng)業(yè)經(jīng)濟問題，2006（11）：19-22;79.

[16] 朱學明.? 基于神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法的研究與應(yīng)用[D].? 蘭州：蘭州理工大學，2013.

[17] 張慶杰，陶? ?輝，蘇布達，等.? 基于CMIP6氣候模式的新疆積雪深度時空格局研究[J].? 冰川凍土，2021，

43（5）：1435-1445.

[18] 宋? ?雪.? 新疆核心區(qū)建設(shè)與高速發(fā)展[J].? 北方經(jīng)貿(mào)，2019（10）：30-32.

[19] 馬淑琴，鄒志文，邵宇佳.? 絲綢之路經(jīng)濟帶與地區(qū)出口產(chǎn)品質(zhì)量——基于新疆核心區(qū)的合成控制分析[J].? 經(jīng)濟問題，2018（9）：97-100;112.

[20] 不詳.? 新疆概況[M].? 呼和浩特：新疆人民出版社，2013.

[21]《新疆維吾爾自治區(qū)概況》編寫組.? 新疆維吾爾自治區(qū)概況[M].? 呼和浩特：新疆人民出版社，2021.

[22] 劉盛林.? 鹽漬化農(nóng)田調(diào)控根層磷生物有效性提高棉花產(chǎn)量和養(yǎng)分效率的研究[D].? 北京：中國農(nóng)業(yè)大學，2015.

[23] 國家統(tǒng)計局.? 中國統(tǒng)計年鑒[M].? 北京：中國統(tǒng)計出版社，2000 — 2019.

[24] 新疆維吾爾自治區(qū)統(tǒng)計局.新疆統(tǒng)計年鑒[M].? 北京：中國統(tǒng)計出版社，2000 — 2019.

[25] 朱家明.? 基于灰色關(guān)聯(lián)法對山西旅游經(jīng)濟發(fā)展影響因素的計量分析[J].? 山西大同大學學報（自然科學版），2019，35（3）：32-36.

[26] 劉曙光，鄭崇勛.? 前饋神經(jīng)網(wǎng)絡(luò)中的反向傳播算法及其改進：進展與展望[J].? 計算機科學，1996（1）：76-79.

[27] 王彤彤，張? ?劍，涂? ?川，等.? IPSO-BP神經(jīng)網(wǎng)絡(luò)在渭河天水段水質(zhì)評價中的應(yīng)用[J].? 環(huán)境科學與技術(shù)，2013，36（8）：175-181.

[28] 王? ?青，戴思蘭，何? ?晶，等.? 灰色關(guān)聯(lián)法和層次分析法在盆栽多頭小菊株系選擇中的應(yīng)用[J].? 中國農(nóng)業(yè)科學，2012， 45（17）：3653-3660.

[29] 許甜甜，陳? ?英.? 甘肅省糧食產(chǎn)量影響因素的灰色關(guān)聯(lián)動態(tài)分析[J].? 生產(chǎn)力研究，2020（2）：45-47;87.