基于改进樽海鞘优化BP神经网络的土壤墒情预测

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

• 0 引言
• 1 SSA算法及BP神经网络算法
•   1.1 标准樽海鞘群优化算法
•   1.2 BP神经网络
• 2 改进樽海鞘优化BP
•   2.1 改进ASSA算法
•     2.1.1 自适应变异
•     2.1.2 动态权重
•   2.2 ASSA-BP算法
• 3 实验分析
•   3.1 ASSA算法性能测试
•   3.2 ASSA-BP土壤墒情预测实验
•     3.2.1 土壤墒情预测系统
•     3.2.2 实验结果分析
• 4 结论

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