Discover Applied Sciences·10月9日 · 周五论文数字乡村与农业信息化阅读 1
Optimization model of agricultural economic structure based on LSTM
Xue Gong
论文解读
75精选
速览
用LSTM预测湖北农业经济指标，并构建多目标优化模型调整农业结构。
方法
LSTM预测2010-2023年湖北面板数据，结合多目标优化与约束条件。
发现
LSTM预测精度优于ARIMA、BPNN等，优化方案可提升农业资源配置效率。
机会点
可探索将LSTM与多目标优化耦合框架推广至其他省份或作物类型，并引入实时数据流。
影响力16
信息增量20
专业深度17
信源权威13
时效性9
基于湖北省级面板数据构建LSTM预测与多目标优化框架，方法对比充分、结论有量化支撑，对数字农业与乡村振兴政策设计具参考价值。
原文摘要
随着人工智能（AI）与农业大数据的发展，农业经济结构调整已从经验判断转向数据驱动决策。本研究利用2010—2023年湖北省农业经济省级面板数据，构建了预测与优化的综合框架。预测层采用长短期记忆（LSTM）模型，捕捉农业GDP增长率、主要作物产量、农村就业结构、农产品价格指数、财政补贴与农业基础设施投资之间的动态关系。优化层以预测结果作为参数，设定三个目标：农业整体效益、结构性偏差与粮食安全风险，并纳入耕地面积、预算、劳动力供给与粮食安全等约束条件。在此基础上，制定农业经济结构调整方案。结果表明，LSTM模型的平均绝对误差（MAE）、均方根误差（RMSE）与r分别为0.32、0.45和0.91，其预测性能优于自回归移动平均（ARIMA）、反向传播神经网络（BPNN）、支持向量回归（SVR）与随机森林（RF）。这些发现表明，多变量协同预测与结构优化约束的结合能够提高农业资源配置效率。该方法也为乡村振兴、粮食安全与数字农业政策设计提供了量化支持。
信源（1 个）