期刊文献+

改进粒子群优化BP神经网络粮食产量预测模型 预览

Grain Yield Prediction Based on BP Neural Network Optimized by Improved Particle Swarm Optimization
在线阅读 下载PDF
分享 导出
摘要 综合考虑影响粮食产量的多种因素,运用改进的粒子群算法优化BP神经网络的初始权重,建立了适合小样本粮食产量的预测模型.实验表明,与BP神经网络粮食预测模型和PSO-BP神经网络粮食预测模型相比,该模型具有更高的预测精度和较大的适应度. This study considers comprehensively the various factors of grain production yield and optimizes primary BP neural network weights using the improved Particle Swarm Optimization (PSO)algorithm,then establishes a prediction model suitable for prediction of small sample grain yield.The experiment proves that this model has higher prediction precision and greater fitness than grain yield prediction model based on classical BP neural network and PSO-BP neural network.
作者 宗宸生 郑焕霞 王林山 ZONG Chen-Sheng;ZHENG Huan-Xia;WANG Lin-Shan(School of Mathematical Sciences,Ocean University of China,Qingdao 266100,China;Zhengjia Middle School in Dongchangfu District,Liaocheng City,Shandong Province,Liaocheng 252035,China)
出处 《计算机系统应用》 2018年第12期204-209,共6页 Computer Systems& Applications
基金 国家自然科学基金(11771014).
关键词 改进粒子群优化BP神经网络 惯性权重 学习因子 粮食预测模型 预测精度和适应度 BP neural network optimized by Particle Swarm Optimization (PSO) inertia weight learning factor grain prediction model prediction precision and fitness
作者简介 通讯作者:王林山,E-mail:wangls@ouc.edu.cn
  • 相关文献

参考文献13

二级参考文献99

共引文献349

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈