BP 神经网络预测在粮食种植面积影响因素分析中的应用——以黑龙江省为例

朱 律

（1.上海市测绘院，上海 200063；2.自然资源部超大城市自然资源时空大数据分析应用重点实验室，上海 200063）

粮食的种植面积是决定粮食供给的关键因素，也是保障粮食安全的重要前提。衡量粮食最低收购价政策实施的效果，主要是比较政策实施前后粮食种植面积是否有显著性变化。但是粮食的种植面积受很多其他因素的影响，并不只是受最低收购价政策的影响。因此只比较政策实施前后的粮食种植面积是不能够评价最低收购价政策执行效果的，需要扣除其他因素的影响。另外，我国最低收购价政策目前只有小麦和水稻执行，而两者又存在竞争关系，因此，在考虑最低收购价政策的执行效果时，需同时考虑其对小麦和水稻的共同影响[1]。

通过上述分析，本文基于BP 神经网络预测建立了最低收购价的评价模型，剔除了农业劳动力人口、粮食进出口贸易、农民受教育程度、城乡收入差距和家庭负担等因素对粮食种植面积的影响[2]，得到几乎等价为仅受粮食最低收购价政策影响的粮食种植面积变化。最后，通过对黑龙江省小麦水稻的实例进行评价分析，验证了模型的合理性。

1 执行效果评价模型的建立与求解

1.1 最低收购价政策执行效果评分机制

通过上述理论，粮食最低收购价政策的效果评价主要取决于粮食的种植面积，但是种植面积受很多其他因素的影响，并不只是受最低收购价政策的影响。因此只比较政策实施前后的粮食种植面积是不能够评价最低收购价政策执行效果的，需要扣除其他因素的影响，基于政策前后种植面积的变化，利用BP 神经网络的模拟得到有无最低收购价政策影响的粮食种植面积Y1、Y2、△y。由此可以建立粮食最低收购价政策执行效果评价模型

式（1）中：Y 为评价得分；CAAi为不同粮食品种的综合优势系数，i=1，2，3，4，5，分别代表小麦、水稻、玉米、豆类和薯类5 类粮食；Yi1为所有因素共同作用下2006—2014 年i 类粮食的种植面积，千公顷；Yi2为没有最低收购价政策影响下2006—2014 年i 类粮食的种植面积，千公顷；△yi为最低收购价政策其他因素的影响从而引起i类粮食的种植面积的变化值。

1.2 作物优势系数的测算

考虑到区域差异与品种的差异，本研究将以黑龙江省为例，考虑小麦水稻2 种粮食品种。从国家粮食局的官网[3]和中华人民共和国农业部种植业管理司的官网[4]获得黑龙江省小麦和水稻最低收购价政策实行前后的种植面积数据，绘制成变化曲线图如图1、图2 所示。

图1 1990—2014 年小麦的种植面积变化曲线图

从图1、图2 分析可知，小麦的种植面积在政策实行后先增加后降低，水稻的种植面积在政策实施前后出现先降低后下降的趋势，且两者整体趋势呈相反的规律。当然产生这一结果的影响因素很多，单单从政策的角度考虑可以解释，政策实施后，保证了农民种田的积极性，农民能够从种粮中获得收益，自然种植面积会得到一定的提升，但是两者呈现竞争的关系，哪种收益高哪种面积就会增加。但是在2011 年后小麦的种植面积却出现了下降，最主要是因为政策的存在，实施最低收购价的品种有水稻和小麦2 种，2 种在种植面积方面存在竞争关系。水稻是一种劳动力密集型农作物，劳动力工资的变化会直接影响单产回报率，从而影响农民的种植决策和种植结构调整[5]。

图2 1990—2014 年水稻的种植面积变化曲线图

1.3 无政策作用下粮食种植面积的BP 预测

通过上述分析，若需仅得到政策对种植面积的影响，需要建立在没有政策情况下，仅在农业劳动力人口、粮食进出口贸易、农民受教育程度、城乡收入差距和家庭负担等因素影响下粮食的种植面积。首先通过中华人民共和国国家发展与改革委员会的官网[6]获取上述影响因素的具体数据，然后建立BP 神经网络预测模型，通过学习无最低收购价政策时粮食种植面积，预测政策实施后粮食种植面积。通过对比两者之间的差异便可以得到最低收购价的评价模型。

BP 神经网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，一般取在（0，1）内连续取值的Sigmoid 函数

误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数

式（3）中：tpi 为节点的期望输出值；opi 为节点的计算输出值。

自学习模型为

式（4）中：h 为学习因子；Φi为输出节点i 的计算误差；Oj为输出节点j 的计算输出；a 为动量因子。

通过以上BP 神经网络学习过程可以编程学习政策实施前粮食种植面积，预测有政策时期并且消除其他因素影响的粮食种植面积，从而建立最低收购价的评价模型。

首先对2006 年之前受农业劳动力人口、粮食进出口贸易、农民受教育程度、城乡收入差距和家庭负担等因素影响的种植面积进行学习，然后输入1990—2005年的这些数据作为学习对象，根据学习的经验及规律预测出在非政策影响下输出小麦种植面积和水稻种植面积在2006—2014 年的变化值。

然后通过BP 神经网络对1990—2005 年的黑龙江小麦和水稻种植面积的学习，可以预测出无最低收购价政策影响时2006—2014 年的黑龙江小麦和水稻种植面积。图3、图4 为BP 神经网络学习结果。

图3 1990—2005 年黑龙江省小麦种植面积学习结果

图4 1990—2005 年黑龙江省水稻种植面积学习结果

通过图3、图4 可以看出，BP 神经网络在学习过程中非常准确，说明后面的预测能够充分表现1990—2005 年的数据规律。图5、图6 为预测2006—2014 年黑龙江小麦和水稻种植面积无最低收购价影响的结果。

图5 黑龙江省小麦种植面积2006—2014 年的预测结果

图6 黑龙江省水稻种植面积2006—2014 年的预测结果

由图5、图6 可知，最低收购价政策的存在对粮食种植面积及其他各影响因素的影响是很大的，必须建立一个有效的评价模型在仅有政策存在时对粮食种植面积的影响进行评价。通过图5、图6 的预测结果可以看出，政策的存在反而抑制了小麦种植面积的增加。一方面是由于最低价收购政策影响了其他影响因素，从而影响了粮食的种植面积；另一方面是由于物种间相互竞争的关系，水稻在黑龙江的快速发展，其效率系数大于小麦的效率系数，因此实际最低价收购政策较预测值低。但是整体的变化呈现相似的规律，在2010 年出现一次下降，而后增加，在2012 年后整体出现下降趋势，说明黑龙江地区小麦种植面积所占的比例将不断减少，主要是其规模优势和效率优势在不断下降。而水稻的种植面积由于其规模优势和效率优势较大，因此在政策实施后，其种植面积产生突然的增长，在后续过程中由于其他因素的存在出现了一些波动，但是总体出现的是上升的趋势。因此，本研究通过神经网络训练预测模型得到整体评价的一个重要部分，即2006—2014 年无最低收购价政策影响时黑龙江小麦和水稻种植面积的预测值。

1.4 干扰量影响分析

通过上述分析得，若要考虑仅有最低收购价政策作用对粮食种植面积的影响，还需要分析最低收购价对其他影响因素的影响，从而引起种植面积的变化。选取农业劳动力人口、粮食进出口贸易、农民受教育程度、城乡收入差距和家庭负担等影响粮食种植面积的其他5 个主要因素，同时考虑到区域差异及种类的差异，以黑龙江省小麦和水稻种植为例进行分析[7]。

对于2006—2014 年中各个因素均是受最低收购价影响的，因此必须扣除最低收购价对其他各因素的影响。首先对1990—2005 年的这5 个主要的影响因素进行学习和训练，作为神经网络的输出项，输入项考虑年份和一些非主要因素，然后预测出没有最低收购价政策的影响下2006—2014 年这5 个主要影响因素的值。然后，将2006—2014 年受最低收购价政策影响的5 个因素的实际值减去没有最低收购价政策的影响下的预测值，这样就得到了最低收购价政策对这五个因素的影响的变化量ΔX，见表1。

表1 2006—2014 年最低收购价政策对5 个因素的影响的变化量

由表1 可以得到，最低收购价的政策对其他因素的影响还是很大的，在影响因素中有正有负。对文化程度、部分劳动力人口及城镇收入差距呈现负作用，对家庭负担和粮食进口呈现正作用。

然后通过BP 神经网络模型，输入1990—2005 年的这5 个主要的影响因素数值，输出无最低收购价政策影响下的小麦种植面积的数值，通过不断的训练学习，建立小麦种植面积与影响因素之间的关系。然后，根据训练的关系，输入2006 年至2014 年最低收购价政策对这5 个因素的影响的变化量ΔX，预测得到ΔX 引起的种植面积的变化量，见表2、表3。

表2 2006—2014 年小麦的种植面积的变化量 千公顷

表3 2006—2014 年水稻的种植面积的变化量 千公顷

通过上述两步的计算，得到3 个量分别是：所有因素共同作用下2006 年至2014 年小麦的种植面积Y1、没有最低收购价政策影响下2006 年至2014 年的小麦种植面积Y2和最低收购价政策其他因素的影响从而引起小麦种植面积的变化值Δy。

1.5 仅有最低价收购政策对粮食种植面积影响的评价模型分析

此模型通过消除最低收购价政策对其他因素的影响，最终得到了只有政策影响产生的粮食种植面积，从而可以评价政策的执行效果。若评价指标为正值说明最低收购价政策对粮食的种植面积产生正的影响，起促进作用，进而说明最低收购价政策在我国实行是比较有效果的；若评价指标为负值说明最低收购价政策对粮食的种植面积产生负的影响，起抑制作用，进而说明最低收购价政策在我国实行达不到促进粮食种植面积增加效果，反而会增加国家支出。

因此利用上面评价模型对黑龙江省小麦和水稻进行综合考虑得到粮食最低收购价政策的效果评价模型，见表4、图7。

表4 2006—2014 年黑龙江省最低收购价执行得分表

图7 2006—2014 年黑龙江省最低收购价执行得分图

由上述评价指标可知，最低收购价政策对粮食的种植面积产生正的影响，起到促进作用，说明最低收购价政策在我国实行是比较有效果的。其中执行效果在2007—2008 年最为明显，最为有效，其指标均大于600。这也验证了政策的有效性，在2007—2008 年粮食的种植面积产生了大幅的增加，说明政策在一开始的实行十分有效，充分调动了农民们的积极性，大大提高了国家的粮食种植面积。随着年份的增加，2013—2014年政策的执行效果产生了下降，说明后续几年中，粮食最低收购价的执行效果不再明显，主要受到人民生活水平、家庭负担和城乡收入差距的影响，使得农民的种粮积极性降低，大量农民工进城务工[8]。由上述分析可知，效果评价模型合理。

2 结束语

根据本文分析可知，最低收购价对黑龙江省主产区执行效果起到一定正作用，在一定程度上提高了农民的种粮积极性。最低收购价政策在刚开始执行的3年内效果十分明显，但是随着年份的增加，效果呈现下降的趋势。该模型与政策执行后，粮食的种植面积的变化规律呈现一定的相似性，说明了该模型的合理性。另外，不同品种的农作物在不同的地区有不同的综合优势系数。农户在种植农作物时应根据区位因素合理选择种植作物，达到良好的经济效果。