新疆大学学报(自然科学版)(中英文)

2021, v.38;No.162(02) 191-196

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进粒子群算法优化BP神经网络的甜菜产量预测方法
Prediction of Beet Yield Based on BP Neural Network Optimized by Improved Particle Swarm Algorithm

顾丽丽;刘勇;甄佳奇;

摘要(Abstract):

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成NCPSO-BP的预测模型算法,既缩短了运算时间,又提高了预测精度;最后将NCPSO-BP与PSO-BP的预测效果进行对比,结果表明NCPSO-BP预测模型其最优预测结果的相对误差平均值3.59%,绝对误差平均值0.196 9,比PSO-BP模型预测误差有所下降.通过这次智慧农业实验项目的应用,实现当年甜菜产量增产50%,为未来推广到面积更大、机械化程度更高的农田应用打下了基础,对现代化农业具有一定意义.

关键词(KeyWords): 产量预测;粒子群算法;BP神经网络;动态权重

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61501176);; 黑龙江省自然科学基金优秀青年项目(YQ2019F015)

作者(Author): 顾丽丽;刘勇;甄佳奇;

Email:

DOI: 10.13568/j.cnki.651094.651316.2020.04.06.0001

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享