1. 研究目的与意义
中国是世界粮食生产和消费大国，粮食是国家的重要战略物质，粮食安全在我国的国民经济中起着越发重要的作用。“兵马未动，粮草先行”，最基本的物质保障是保持一个国家稳定的重要依托，而粮食产量又是物质保障的重要组成部分。粮食安全是国家发展、经济增长、社会稳定、人民幸福生活的必要基础。随着习近平总书记不断强调“构建以国内大循环为主体、国际国内双循环相互促进的新发展格局”，自给自足的粮食生产越发必要。步入2022年，我国不断推进现代化进程，对传统农业的扶持力度也逐渐加大，粮食产量也得到一定保障。根据国家统计局近日发布的数据，2021年全国粮食总产量达13657亿斤，较2020年增长267亿斤，实现了粮食产量的又一次提升。
在此背景下，利用科学方法，分析相关数据，建立定量模型，进行科学预测，制定有效政策，加强信息化、科学化技术对粮食安全的管控，对保障粮食安全问题具有重要意义。在粮食生产中，诸多因素决定着粮食产量，例如：粮食播种面积、有效灌溉面积、粮食化肥施用量等等，综合考虑多个因素可以使预测结果更加精确，有助于预测人员提前应对变化，制定相应方案。
近年来，深度学习的相关算法在医疗、金融、艺术、无人驾驶等多个领域均取得了显著的成果，深度学习在预测模型中发挥着越来越重要的作用。深度学习解决了机器学习靠人工提取特征的不足之处，能够使特征工程自动化，克服了浅层学习的局限性，并具有更强的表示能力。现如今，深度学习运用于声音识别、图像识别等方面，在模型预测方面也得到了广泛的应用。因而，基于深度学习对粮食产量进行预测，可以对粮食产量进行直观的展示和有效的估计。
2. 研究内容和预期目标
本文主要是基于深度学习的粮食产量预测研究，主要运用循环神经网络（RNN）中的长短期记忆网络（LSTM）对我国粮食产量数据进行分析和研究。本文拟解决如下几个关键问题：
（一）影响粮食产量因素的筛选和分析；
（二）基于差分整合移动平均自回归模型（ARIMA）的模型建立；
3. 国内外研究现状
（1）国内研究现状
由于粮食产量的预测是一个回归问题，学者们针对回归问题提出过许多解决回归问题的方法例如ARIMA模型、GM(1,1)模型、回归支持向量机 (SVR)、BP神经网络、人工神经网络等。
杨铁军、杨娜等以1949—2011年中国粮食产量为原始数据，提出了一种改进ARIMA模型，该模型采用ADF单位根检验方法判断差分阶次，并且对所确立的模型参数进行模型实用性检验得到最优模型。通过比较传统ARIMA模型和改进ARIMA模型，得出改进算法的ARIMA模型更为精确。
4. 计划与进度安排
2022.11.1-2022.1.10选题、开题、确定写作调研提纲，文献收集、整理分析
2022.1.11-2022.1.18实地调研、提交资料、整理分析
5. 参考文献
[1]张曦文.稳住粮食安全“压舱石”[N].中国财经报,2021-12-28(008)
[2]邓国清. 中国粮食供给侧结构性改革研究[D].武汉大学,2018.
[3]胡殿涛. 集成学习在粮食产量预测系统中的应用研究[D].武汉轻工大学,2021.000138.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
