论文摘要
针对传统的土壤墒情预测方法精度较低、训练周期长的问题,本文对BP神经网络预测模型进行研究,提出一种改进樽海鞘算法优化BP神经网络的预测方法。首先,在标准樽海鞘群算法(Salp Swarm Algorithm, SSA)中引入变异算子增强种群的多样性,提高算法的全局探索能力;同时,采用动态权重调整策略增强局部开发性能,改善收敛速度,在位置更新过程中加入动态权重,进一步平衡全局探索和局部开发能力;其次,考虑到BP预测网络收敛精度低、易陷入局部最优等缺点,将改进樽海鞘算法引入到BP中形成ASSA-BP的预测模型算法,该算法缩短了训练时间、提高了预测精度。最后,将ASSA-BP与PSO-BP、BP不同预测模型进行对比,结果表明ASSA-BP的最优预测相对误差平均值3.37%,绝对误差平均值0.025 8,比BP模型预测误差有所下降。克服了BP预测模型收敛精度低、易陷入局部最优的缺点,具有更好的鲁棒性和预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 安小宇,鲁奎豪,崔光照
关键词: 墒情预测,樽海鞘算法,神经网络,动态权重
来源: 中国农机化学报 2019年11期
年度: 2019
分类: 农业科技,信息科技
专业: 农业基础科学,农艺学,自动化技术
单位: 郑州轻工业大学电气信息工程学院
基金: 国家自然科学基金(61572446)
分类号: TP183;S152.7
DOI: 10.13733/j.jcam.issn.2095-5553.2019.11.20
页码: 124-130
总页数: 7
文件大小: 855K
下载量: 196