基于BP神经网络模型的中国乳业发展规模预测

马国巍 佟光霁 李天霄

(东北林业大学，黑龙江哈尔滨150040)

基于BP神经网络模型的中国乳业发展规模预测

马国巍 佟光霁 李天霄

(东北林业大学，黑龙江哈尔滨150040)

文章简要分析了BP神经网络的结构和学习过程，然后以1978－2009年的中国乳业规模发展数据为基础，以奶牛年末存栏数(千头)、奶牛养殖业产值、畜牧业总产值等三个变量作为输入、中国奶牛产量作为输出，采用MATLAB2009a中的BP神经网络工具箱构建了基于BP神经网络的中国乳业发展规模预测模型。研究结果表明:未来十年中国原奶产量将大幅度增长，乳业规模将迅速扩大，原料奶生产无组织管理已不适应乳业经济的迅猛发展，“十二五”期间必须转变原料奶总量的增长方式。研究成果对于奶牛养殖业管理部门、养殖业者科学合理地规划奶牛养殖规模具有重要的参考价值。

BP神经网络;中国乳业;发展规模;MATLAB

人工神经网络是最近几十年新兴的交义性学科，也是国际上研究异常活跃的领域之一。其中BP模型是应用较为`广泛的一种人工神经网络，具有自学反馈能力，采用多个节点的输入层、隐层和多个或1个输出的输出层组成，每个节点为1个单独的神经元。BP神经网络通常采用基于BP神经元的多层前向神经网络的结构形式。从结构上看，一个典型的BP网络通常有输入层节点、一个或多个隐含层节点、一个输出层节点构成，其学习过程为，首先把样本信号输入到网络中，由网络第一个隐含层开始逐层地进行计算，并向下一层传递，直至输出层，其间每一层神经元只影响到下一层神经元的状态。然后，以其输出与样本的期望输出进行比较，如果误差不能满足要求，则沿着原来的连接通路逐层返回，并利用两者的误差按照相应的原则对各层节点的连接权值进行调整，使误差逐步减小，直到满足精度要求时为止。

一 资料来源及模型参数确定

1.资料来源

1987年以来，中国乳业规模迅速发展、壮大，主要表现为奶牛数量和牛奶产量的增加。影响我国原奶生产的主要因素包括价格因素、生产方式等。本文以奶牛年末存栏数作为参数，结合乳业发展的影响因素和中国乳品市场发展的特点，建立中国乳业发展模型。具体分析如下:

采用全国 1978—2009年的统计资料(见表1)，采用MATLAB2009a中的神经网络工具箱函数，建立中国乳业发展规模的BP神经网络模型。其中:1998—2007年的统计资料作为模型的输入，2008—2009年的统计资料作为预留检验，对中国乳业发展规模进行模拟和预测。

2.模型结构确定

本文选择了影响中国乳业发展规模的奶牛年末存栏数(千头)、奶牛养殖业产值、畜牧业总产值等三个变量，因此输入样本为该三个影响因子，中国奶牛产量作为输出。根据前述内容，本文中国乳业发展规模预测的BP神经网络输入层节点数为3个，输出层节点数为1个，隐含层数为1层(8)，经过网络试算，当隐含层节点数ni=6时，网络性能最佳，因此，本节设计的BP神经网络的拓扑结构为3:6:1。

二、中国乳业发展规模BP神经网络预测模型建立

采用MATLAB2009a神经网络工具箱newff函数生成BP网络，结果表明:当输入－隐层为tansig函数、隐层－输出层为线性函数(purelin)时效果最好。采用newff默认的L－M BP算法(trainlm)和带有动量项的BP算法(learngdm)作为训练函数和学习规则函数，误差函数为mse(9)。

采用MATLAB2009a神经网络工具箱中train函数和sim函数对所建立的中国乳业发展规模BP神经网络进行训练和仿真。利用1998—2007年的中国乳业发展规模标准化数据做为训练样本，经过编程计算可知，训练9次，误差趋于稳定。

三、模型拟合及精度检验

精度检验包括模型的拟合效果和试报效果检查。采用所建立的BP神经网络模型的仿真数据进行拟合效果检验。通过计算可知拟合效果评价指标后验差比值C=0.0724，小误差频率P=1，相对均方误差指标E1=0，拟合准确率E2=1，达到一级标准(10)说明模型的拟合效果精度很高。

采用未参加建模的2008—2009年的奶牛产量序列进行试报效果检验，通过计算可知试报效果指标E3=100%，说明模型的试报效果非常好，可以对中国乳业未来发展规模进行预测。

四、预测结果

1.奶牛年末存栏数预测

根据1978—2009年中国奶牛年末存栏数资料，采用MATLAB2009a编程建立以年份x为自变量的中国奶牛年末存栏数三次多项式预测模型如下:

其相关系数R2=0.9564，可以用于预测奶牛年末存数未来发展趋势。采用上式对中国2010—2020年奶牛年末存栏数进行预测，见表2。

表2 中国2010－2020年奶牛年末存栏数预测值

2.畜牧业总产值预测

根据1978—2009年中国畜牧业总产值资料，采用MATLAB7.1编程建立以年份x为自变量的中国畜牧业总产值指数预测模型如下:

其相关系数R2=0.9 796，可以用于预测中国畜牧业总产值未来发展趋势。采用上式对中国2010—2020年畜牧业总产值进行预测，预测结果见表3。

表3 中国2010－2020年畜牧业总产值预测值

3.奶牛养殖业产值预测

根据1998—2009年中国奶牛养殖业产值资料，采用MATLAB2009a编程建立以年份x为自变量的中国奶牛养殖业产值指数预测模型如下:

y= － 0.1 882x3+9.2 834x2+1.5 684x+68.774 R2=0.9 931

其相关系数R2=0.9 931，可以用于预测中国奶牛养殖业产值未来发展趋势。采用上式对中国2010—2020年奶牛养殖业产值进行预测，预测结果见表4。

表4 中国2010－2020年奶牛养殖业产值预测值

4.牛奶产量预测

采用前述所建立的网络结构，结合所预测的2010—2020年的奶牛年末存栏数、奶牛养殖业产值、畜牧业总产值，将其作为BP神经网络的输入，对牛奶产量进行预测，结果见表5。

表5 中国2010－2020年牛奶产量预测值

中国乳业发展规模预测指明，2010—2020年十多年间，中国乳业将迅速发展。奶牛年末存栏数预测表明，2010—2020年期间，奶牛年末存栏数将由2010年的1 498.6万头增长至2020年的3 182.5万头，年存栏数由2011比2010年增加127.1万头，到 2020比 2019年的增加 213.3万头，年平均增加168.4万头，存栏数年平均增长率为 7.82% 。

牛奶产量预测表明，2010年—2020年，牛奶产量将由2010年的4 506.5万吨，增加到2020年的12 842.5万吨，平均年增长量833.6万吨，平均年增长率为11.14% 。

奶牛养殖业总产值预测表明，2010—2020年期间，奶牛养殖业总产值由2010年的1 244.6亿元增加到2020年的2 725.9亿元，年平均增加值为148.7亿元，总产值年平均增长率为8.18%。

畜牧业总产值预测表明，2010—2020年，畜牧业总产值由2010年的28 045亿元逐年稳步增加到59 219亿元，年平均增加值为3 469.6亿元，畜牧业总产值年平均增长率为8.44%。

由预测可知，未来十年中国原奶产量将大幅度增长，乳业规模将迅速扩大，这不仅是中国经济高速发展的结果，也是随着改革开放和市场经济的深入发展，乳业制度变迁的结果;反过来，乳业规模的扩大，进一步促进了乳业的分工和专业化。原料奶生产无组织管理已不适应乳业经济的迅猛发展，“十二五”期间必须转变原料奶总量的增长方式。

［1］付强.数据处理方法及其农业应用［M］.北京:科学出版社，2005:66～88.

［2］刘仁涛，付强，冯艳，等.基于RAGA的灰色BP神经网络预测模型及其对三江平原地下水埋深的动态预测［J］.系统工程理论与实践，2008，(5):171～176.

［3］Hunter A.Feature selection using probabilistic neural networks［J］. Neural Computing ＆ Applications，2000，9:124～132.

［4］Rumelhart D E，et al.Learning representation by BP errors［J］.Nature(London)，1986，(7):64 ～70.

［5］NG S C，Cheung C C，Leung S H.Fast convergence for back－propagation network with magnified gradient function［J］.IEEE，2003，9(3):1903～1908.

［6］朱信凯.2008－2020年我国奶类供给与需求预测研究［J］.中国乳业，2008，(5):2～7.

［7］刘成果.中国奶业年鉴(2009)［M］.北京:中国农业出版社.2009:52～69.

The Prediction of Chinese Dairy Industry Development Scale Basing the BP Neural Network

Ma GuoweiTong GuangjiLi Tianxiao
(Northeast Forestry University，Harbin，Heilongjiang 150040)

This article briefly analyzes BP Neural Network’s structure and its learning process，and then takes the quality of dairy herds at the end of the year，the value of dairy cow industry and total value of livestock industry as three input variables，dairy cow milk output in China as output，with the data of Chinese Dairy Industry scale from 1978 to 2009 as the base;it creates a model to predict Chinese dairy industry development scale upon BP Neural Network with the using of BP Neural Network tool box form MATLAB2009a.The research result shows that in the following 10 years Chinese raw milk output will increase heavily and dairy industry scale will expand rapidly，which requires more than non － organized raw milk production management.During“the 12th 5－year－plan”period，the increasing way of raw milk production must be changed.The result is of important reference for cow farming management department and cow farmers to plan and control cow farming scale.

BP Neural Network，Chinese dairy industry，development scale，MATLAB

F326

A

1672-3805(2011)06-0074-04

2011－09－26

马国巍(1977－)，男，黑龙江哈尔滨人，东北农业大学经济管理学院实验中心讲师，东北林业大学在读博士;研究方向:农业政策法规