1、中共中央、國務院于2015年初印發(fā)了《關于加大改革創(chuàng)新力度加快農(nóng)業(yè)現(xiàn)代化建設的若干意見》.意見指出:要不斷增強糧食生產(chǎn)能力.由此可以看出，糧食產(chǎn)量是衡量一個國家經(jīng)濟實力的標準之一，是保障人民群眾豐衣足食的不竭動力，是實現(xiàn)傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)過渡的重要保障.盡管我國的糧食產(chǎn)量年年穩(wěn)定增長，但我們依然面臨著很多的困難，例如:土地濫用、土地鹽堿化、天氣災難等等，這些都是可能造成糧食減產(chǎn)的隱患因素.雖然，自古我國對于糧食危機均有相應豐富的應對經(jīng)驗

2、，但相對于人口眾多、糧食消費大、耕地資源匱乏的實際國情來說，保障農(nóng)業(yè)安全和糧食的穩(wěn)定可持續(xù)發(fā)展就成為農(nóng)業(yè)科學研究中亟待解決的問題.因此，根據(jù)研究現(xiàn)階段糧食生產(chǎn)發(fā)展的變動規(guī)律，并對其發(fā)展趨勢進行預測，不僅可以為我國制定糧食政策與實施糧食生產(chǎn)系統(tǒng)控制提供決策依據(jù)，對保障國家糧食安全也具有重要的現(xiàn)實意義.
　　本文首先分析了人工神經(jīng)網(wǎng)絡的概念、特性、網(wǎng)絡結構和學習方式，在此基礎上深入研究了BP神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡和GRNN神經(jīng)網(wǎng)絡.

3、在實際應用過程中，BP神經(jīng)網(wǎng)絡存在收斂速度較慢、甚至不能收斂的問題;初始連接權值、閾值和網(wǎng)絡結構選擇具有隨機性，選取的初始點不一定具有全局性的問題，致使網(wǎng)絡最后迭代出的結果也不一定是全局最優(yōu)的問題.RBF神經(jīng)網(wǎng)絡存在隱含層單元通常是局部的，不能保證選擇最優(yōu)的隱層單元;隱層單元數(shù)量通常固定的，往往是通過經(jīng)驗選擇，時間消耗大的問題.GRNN神經(jīng)網(wǎng)絡存在徑向基函數(shù)的中心和寬度、隱含層到輸出層的連接權選取對于神經(jīng)網(wǎng)絡的函數(shù)逼近能力具有很大的影響

4、;且常規(guī)GRNN學習規(guī)則很容易使結果收斂到局部最小，甚至根本不收斂的問題.遺傳算法是模仿自然界生物進化機制發(fā)展起來的隨機全局搜索和優(yōu)化方法，是一種高效、并行、全局搜索的方法，它能在搜索過程中自動獲取和積累有關搜索空間的知識，并自適應地控制搜索過程以求得最優(yōu)解.本文引入遺傳算法對BP神經(jīng)網(wǎng)絡、RBF神經(jīng)網(wǎng)絡和GRNN神經(jīng)網(wǎng)絡進行優(yōu)化，將優(yōu)化后的GA-BP、GA-RBF和GA-GRNN網(wǎng)絡用來預測糧食產(chǎn)量，以提高各單項模型的預測性能.

5、>　　傳統(tǒng)的組合預測方法是按照單項預測方法的不同而賦予不同的加權平均系數(shù)，同一個單項預測方法在樣本區(qū)間上各個時點的加權平均系數(shù)是不變的.然而實際上，就同一個單項預測方法而言，它在不同時刻的表現(xiàn)可能不相同，即在某個時點上預測精度較高，而在另一時點上預測精度較低.因此現(xiàn)有的組合預測方法存在與現(xiàn)實不符的缺陷.基于IOWA算子的組合預測模型，通過引進IOWA算子，對每個單項預測方法在樣本區(qū)間上各個時點的擬合精度的高低按順序賦權，以誤差平方和為準

6、則建立組合預測模型，因此，本文采用基于IOWA算子的組合預測模型將GA-BP、GA-RBF、GA-GRNN單項預測模型的結果融合，進一步提高預測精度.實驗結果表明，采用本文方法可以有效提高糧食產(chǎn)量的預測精度.
　　此外，本文在分析比較C＃和MATLAB混合編程的幾種方法的優(yōu)缺點，利用C＃作為前端開發(fā)環(huán)境，設計系統(tǒng)界面，并顯示和輸出結果;而采用MATLAB R2010a作為后端計算和圖形繪制工具進行設計與開發(fā)，開發(fā)了糧食產(chǎn)量預測系統(tǒng)