节点文献
改进粒子群优化BP神经网络粮食产量预测模型
Grain Yield Prediction Based on BP Neural Network Optimized by Improved Particle Swarm Optimization
【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.
【Abstract】 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.
【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；
【Key words】 BP neural network optimized by Particle Swarm Optimization(PSO)； inertia weight； learning factor； grain prediction model； prediction precision and fitness；
【Key words】 BP neural network optimized by Particle Swarm Optimization(PSO)； inertia weight； learning factor； grain prediction model； prediction precision and fitness；
【基金】 国家自然科学基金(11771014)~~
- 【文献出处】 计算机系统应用 ,Computer Systems & Applications , 编辑部邮箱 ,2018年12期
- 【分类号】TP18;S126
- 【被引频次】37
- 【下载频次】626