一种土壤湿度时间序列预测方法

摘要

土壤湿度的高质量预测对农业生产具有重要指导意义.针对土壤湿度时间序列非平稳的特点,本文提出一种将小波变换与改进的BP神经网络相结合应用于时间序列的预测方法(DB-IBP),利用不同的BP神经网络分别对预处理后相对平稳的土壤湿度时间序列进行预测和重构,将动量因子和自适应学习率引入BP神经网络,以此解决神经网络收敛慢和易陷入局部最优的问题.选取山东垦利10个观测站2013—2014年的时间序列观测数据,分别利用改进的IBP神经网络、DB-BP和本文提出的DB-IBP进行预测,结果显示DB-IBP预测精度较高(较2种方法分别提高55％和43％),收敛速度快(较2种方法分别提高15.5％和9.8％).