一、我国粮食供求变化

（一）粮食生产

改革开放以来，我国粮食产量总体呈较快增长态势。2013年全国粮食产量达60194万吨，较1978年增长97.5%，年均递增2.0%，具体可分为4个阶段。

第一阶段（1978—1984年）：粮食产量持续大幅增长。1978至1984年，全国粮食产量年均增长5.0%。在这一阶段，粮食增长主要受单产水平提高驱动。1984年，全国粮食播种面积较1978年下降6.4%，但粮食单产则增长42.8%。

第二阶段（1985—1998年）：粮食产量波动中增长，增速有所下降。单产水平提高仍是该阶段粮食总产量提高的主要驱动因素。1998年较1984年全国粮食总产量增加10499万吨，增长25.8%，年均增长1.7%。其中，粮食播种面积增长0.8%，单产提高24.8%。

第三阶段（1999—2003年）粮食产量持续减产。该阶段的突出特点是：不仅粮食播种面积有较大程度减少，单产水平也有所降低。2003年，全国粮食产量仅为43070万吨，较1998年减少15.9%，年均递减3.4%，为1990年以来的最低水平。

第四阶段（2004—2013年）：粮食产量持续增加。2003至2013年，全国粮食增产17124万吨，增长39.8%，年均增长3.4%，其中播种面积增长12.6%，单产增长24.1%，对粮食增产的贡献分别为31.7%和68.3%，粮食播种面积的扩大和单产水平的提高，同时支撑着粮食总产量的增加。

（二）粮食净进口

中国是世界人口第一大国，虽然国家粮食自给能力不断增强，但国内粮食②需求持续增长，中国粮食进口也逐步增加，已成为粮食贸易大国，在世界粮食市场上占有重要地位。

一是贸易规模不断扩大，总体以进口为主。2012年中国净进口粮食7747万吨，比1980年增长5倍，年均增长5.8%。2004年以前，中国粮食净进口数量不大，并有若干年为净出口。2004年以后，中国粮食净进口量快速增长，并长期为粮食净进口国。此后，中国粮食净进口数量几乎一年一个台阶，于2012年突破7000万吨，直逼8000万吨大关。

二是贸易品种结构不平衡，波动性较大。从结构看，中国主要出口玉米、大米，进口小麦。玉米和大米总体为净出口，小麦总体呈净进口。其中，玉米出口量很大，波动也相当大，净进口量峰值与谷值之差达2146万吨，大米进出口量较稳定，波动较小，但两者出口量均呈逐年下降趋势，近几年均为净进口，特别是2012年净进口量分别达到495万吨和209万吨，创1980年以来新高，均比1980年增长2.2倍。小麦进口量明显下降，出口量有所增长，净进口量波动较大。

粮食总产量与净进口量构成粮食的总供给量。改革开放以来，我国粮食总供给量逐年上升，从1991年的43866万吨增加到2012年的66705万吨。

（三）粮食需求

在人口增长，饮食结构变化，农产品加工、生物、医药、能源产业发展等共同影响下，我国包括口粮消费、饲料消费、工业消费在内的粮食需求持续增长。从三大类消费来看，工业用粮和饲料用粮增长较快，而口粮需求缓慢增长。2012年工业用粮消费量达10130万吨，较2003年增长123.8%，年均增长9.4%；饲料用粮紧随其后，2012年消费量达14722万吨，较2003年增长23.1%，年均增长2.3%；口粮消费量虽仍最多，为25389万吨，但较2003年仅增长6.9%，年均增长0.7%。

　　分品种看，作为工业和饲料用粮主力的玉米和小麦，消费快速增长，增速明显快于口粮为主的稻谷。2012年玉米消费量达20000万吨，超过稻谷成为粮食第一大消费品种，较2003年增长50.5%，年均增长4.7%；小麦消费量12417万吨，较2003年增长15.5%，年均增长1.6%。2012年稻谷消费量为19961万吨，较2003年增长5.6%，年均增长0.6%，其中口粮较2003年增长8.7%，年均增长0.9%，工业用粮增长8.0%，年均增长0.9%，而稻谷的饲料用粮作用持续削弱，导致消费下降18.3%。

二、“十三五”期间我国粮食产量和消费量预测

本文利用BP神经网络对我国“十三五”时期粮食产量和消费量进行预测。BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出的，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入—输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层、隐层和输出层。

（一）粮食产量预测

本文选用以下影响未来粮食产量的因素进行分析和预测：前期粮食产量（万吨）、粮食作物播种面积(千公顷)、农业机械总动力（万千瓦）、有效灌溉面积（千公顷）、农用化肥施用量（万吨）、农村用电量（亿千瓦时）、农业灾害成灾面积（千公顷）、全国人口（万人）、农林牧渔业总产值（亿元）。定义Xi为影响某年粮食产量的第i种主要影响因素，Y为j年的粮食产量。将数据分为两类，前35组（1978—2012年）样本数据设为训练样本，2013年的样本数据设为检验样本。设置一组检验样本主要是为了检验网络是否具有一定的泛化能力。利用训练样本数据预测2013—2020年的粮食产量。设定训练样本中输入向量为P＝xi，输出向量为t=Y。

隐含层神经元个数的确定。确定输入层神经元的个数为8，输出层神经元的个数为1。其中，n为输入层节点数，m为输出层节点数。隐层节点数取值区间为c∈（，得出隐层节点数的范围为[4,17]，而最佳的节点数要通过实验确定。运用MATLAB进行仿真实验可知，从4开始，随着节点数的增加，训练误差逐步减少，但测试误差在8处达到最小，本文为兼顾训练时间和测试误差，选择8个节点。BP神经网络是一个具备高度自学能力的模型，故输入层权值和阈值初始值对最终结果没有太大影响，好的初始值会减少运算时间，加快模型的学习，故这里选取系统默认值。）

根据BP神经网络的计算原理，学习速率的取值范围为（0，1），学习速率在0.01左右是比较好的，故本文选取0.01。经过1000次迭代训练，达到事先设定的收敛精度要求，训练结束，预测结果见表1。

2013年全国粮食总产量基于BP神经网络的预测值与真实值之间的误差率为0.007，说明用BP神经网络对我国粮食产量的预测效果较好。预测结果显示，粮食产量波动上升，到2020年我国粮食总产量达到63399万吨，比2013年增长5.3%。其中，稻谷、小麦、玉米分别达21087万吨、13007万吨和24009万吨，分别增长3.6%、6.7%和9.9%。