基于主成分分析和粒子群优化神经网络的粮食产量预测

论文摘要

粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。

论文目录

• 1 基于主成分分析的粮食产量预测模型输入序列的选择
• 2 基于PCA和粒子群优化BP神经网络预测模型
• 3 结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 郭亚菲,樊超,闫洪涛

关键词: 粮食产量,预测模型,主成分分析,粒子群算法,神经网络,影响因素,预测精度

来源: 江苏农业科学 2019年19期

年度: 2019

分类: 农业科技,基础科学,信息科技,经济与管理科学

专业: 数学,自动化技术,农业经济

单位: 河南工业大学信息科学与工程学院

基金: 河南省科技攻关项目(编号:162102210198),国家粮食公益性行业科研专项(编号:201413001),河南省自然科学基金(编号:162300410062)

分类号: F326.11;TP183;O212.4

DOI: 10.15889/j.issn.1002-1302.2019.19.056

页码: 241-245

总页数: 5

文件大小: 216K

下载量: 623