关键词：麻雀搜索算法;BP神经网络;预测模型;吉林省农机总动力
摘 要：农机总动力是衡量农业机械化发展水平的一项重要指标。为准确预测吉林省农业机械总动力，选择以1980-2022年吉林省农机总动力、政府财政收入、劳均播种面积、第一产业从业人员数、农民人均可支配收入、粮食单产数据为参数，构建了一种麻雀搜索算法（sparrow search algorithm，SSA）与BP 神经网络相结合的农业机械总动力预测模型。为了验证算法的可行性，将该算法与传统的BP模型及遗传算法（genetic algorithm，GA）优化 BP 即 GA-BP 模型的预测性能进行对比。实验结果表明：BP模型决定系数R²为0.997，GA-BP模型决定系数R²为0.990，SSA-BP模型决定系数R²为0.998。构建模型的农机总动力预测模型R²，MAE，MSE，RMSE，MAPE都优于另外两组算法，因此SSA-BP模型的预测性要优于BP模型和GA-BP模型，研究成果可为政府制定农业机械化发展规划，农机企业生产决策提供有力支持。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取