随着国家对生态文明建设的进一步加快,草原生态问题逐渐成为社会各界高度关注的问题。牧草产草量是决定草原生态系统功能的重要指标之一,针对牧草产草量预测问题,如何提高牧草产草量预测精准度成为当前研究重点。目前国内外基于数据挖掘提出一系列牧草产草量预测模型,但是其模型预测结果的精准度有待提高。因此本文基于数据挖掘理论,建立一种牧草产草量组合预测模型,能够提高牧草产草量的精准度。本文研究内容如下:(1)选择合适的预测模型。基于数据挖掘理论,本文主要选取了多元线性回归分析,主成分分析和RBF神经网络建立牧草产草量组合预测模型。在模型建立过程中,使用多元回归分析预测线性部分,利用主成分分析解决可能出现的共线性问题;而RBF神经网络具有结构简单、训练速度快和非线性逼近能力强等特点,可以很好的处理非线性部分。多元回归分析能够弥补RBF神经网络预测结果信息丢失和过度依赖样本精度的问题,因此选择这两种方法进行建模。(2)建立牧草产草量预测模型。为了更好地预测牧草产草量,以数据挖掘理论为基础,综合所选取模型的优点,本文建立了一种牧草产草量组合预测模型。该模型使用多元回归模型对原始数据样本进行分析,获取预测值与残差。利用RBF神经网络对所得残差进行拟合,使用拟合后的残差对预测数据进行修正,得到最终结果。(3)多种模型预测结果对比分析。选取乌兰布统草原的温度,降水量,日照的历史数据建立模型,利用SPSS软件,使用多元回归模型、主成分分析和RBF神经网络进行建模,使之与牧草产草量组合预测模型对比,得到的相对误差均值分别为18.17%、11.49%、6.946%和4.398%。结果表明:基于多元回归算法与RBF神经网络组合的预测模型,预测结果在精准度方面都比单一预测模型有着显著地提高。因此得出牧草产草量组合预测模型在应用中的有效性,为草原生态系统保护提供决策依据。