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， 安徽省黄山市，245021

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

参考文献：

[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 multitemporal 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.