基于IPSO-BP模型的粮食产量预测方法研究

doi:10.13733/j.jcam.issn.2095-5553.2021.03.019

中国农机化学报 ›› 2021, Vol. 42 ›› Issue (3): 136-141.DOI: 10.13733/j.jcam.issn.2095-5553.2021.03.019

基于IPSO-BP模型的粮食产量预测方法研究

胡程磊;刘永华;高菊玲;

江苏农林职业技术学院;

出版日期:2021-03-15 发布日期:2021-03-15
基金资助:
江苏省高校优秀科技创新团队资助项目
江苏农林职业技术学院科技项目(2018kj05)

Online:2021-03-15 Published:2021-03-15

摘要/Abstract

摘要： 针对粮食产量预测的复杂性,以基本微粒群算法(PSO)为基础,引入繁殖和变异机制,提出一种改进的微粒群算法(IPSO)优化BP神经网络的连接权值和阈值。综合考虑影响粮食产量的有关因素,构建出IPSO-BP的粮食产量预测模型,并以江苏省1978—2018年的粮食产量及影响其产量的10个因素作为数据集进行仿真试验。试验结果表明,与基本PSO-BP神经网络模型及BP神经网络模型相比,基于IPSO-BP神经网络模型获得的2016年、2017年、2018年粮食产量预测结果最优相对误差分别为0.24%、0.25%、0.06%,平均相对误差0.76%、0.67%、0.38%,该模型的预测精度及稳定性大幅提高。

关键词: 粮食产量预测, 群智能, 微粒群算法, 神经网络

中图分类号:

F326.11
TP18

胡程磊;刘永华;高菊玲;. 基于IPSO-BP模型的粮食产量预测方法研究[J]. 中国农机化学报, 2021, 42(3): 136-141.

[1]	孙博瑞, , 孙三民, , 蒋敏, , 薛山. 基于LSTM神经网络的智能灌溉系统设计与试验#br# #br# [J]. 中国农机化学报, 2022, 43(4): 116-123.
[2]	董萍, 卫梦华, 时雷, 郭伟. 迁移学习在玉米叶片病害识别中的研究与应用[J]. 中国农机化学报, 2022, 43(3): 146-152.
[3]	罗兵, , 张建敏. 基于BP神经网络的农机安全评价敏感性分析[J]. 中国农机化学报, 2022, 43(3): 120-126.
[4]	高文强, , 肖志云, . 多尺度特征融合1D—CNN的马铃薯植株高光谱数据地物分类和缺素识别#br#[J]. 中国农机化学报, 2022, 43(3): 111-119.
[5]	蒋柏春, 李德仑, 韦克苏, 张富贵, 王杰, 刘红芸. 基于高光谱的烤烟叶绿素含量估算模型研究[J]. 中国农机化学报, 2022, 43(3): 104-110.
[6]	孙浩楠, 仝志民, 谢秋菊, 李嘉熙. 基于BP神经网络猪咳嗽声识别[J]. 中国农机化学报, 2022, 43(2): 148-154.
[7]	石洪康, 肖文福, 黄亮, 胡丛武, 胡光荣, 张剑飞. 基于卷积神经网络的家蚕病害识别研究[J]. 中国农机化学报, 2022, 43(1): 150-.
[8]	宋卓研;徐晓辉;宋涛;崔迎港;司玉龙;. 基于PSO-BP优化PID模型的水肥控制系统研究[J]. 中国农机化学报, 2021, 42(9): 83-89.
[9]	李小敏;张日红;陈天赐;侯炳法;张权;李雄;. 基于深度学习的林下落果识别方法与试验[J]. 中国农机化学报, 2021, 42(9): 202-208.
[10]	江知航;王艳霞;颜家均;周堂容;. 基于BILSTM的棉花价格预测建模与分析[J]. 中国农机化学报, 2021, 42(8): 151-160.
[11]	王鹤树;曹丽英;. 基于全卷积神经网络的植物叶片自动分割及表型解析[J]. 中国农机化学报, 2021, 42(8): 161-168.
[12]	张建超;单慧勇;景向阳;李晨阳;张程皓;刘慧芹;. 基于Elman神经网络的温室环境因子预测方法[J]. 中国农机化学报, 2021, 42(8): 203-208.
[13]	刘海涛;伊丽丽;兰玉彬;韩鑫;崔立华;. 机器视觉在棉花智能打顶领域的应用研究进展[J]. 中国农机化学报, 2021, 42(6): 159-165.
[14]	陈强;戴军;. 农机驾驶人员疲劳驾驶行为检测研究[J]. 中国农机化学报, 2021, 42(5): 148-152.
[15]	安小宇;赵复兴;柳海涛;. 土壤墒情预测相关性数据耦合性试验分析[J]. 中国农机化学报, 2021, 42(4): 134-141.

基于IPSO-BP模型的粮食产量预测方法研究

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价