基于改进粒子群算法优化BP神经网络的甜菜产量预测方法

摘要

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成NCPSO-BP的预测模型算法,既缩短了运算时间,又提高了预测精度;最后将NCPSO-BP与PSO-BP的预测效果进行对比,结果表明NCPSO-BP预测模型其最优预测结果的相对误差平均值3.59%,绝对误差平均值0.1969,比PSO-BP模型预测误差有所下降.通过这次智慧农业实验项目的应用,实现当年甜菜产量增产50%,为未来推广到面积更大、机械化程度更高的农田应用打下了基础,对现代化农业具有一定意义.