| 基于粒子群优化神经网络混合模型预测马尾松毛虫发生量 |
| |
| 引用本文： | 陈绘画,崔相富,杨胜利.基于粒子群优化神经网络混合模型预测马尾松毛虫发生量[J].东北林业大学学报,2008,36(11). |
| |
| 作者姓名： | 陈绘画 崔相富 杨胜利 |
| |
| 作者单位： | 浙江省仙居县林业局,仙居,317300 |
| |
| 基金项目： | 仙居县科技局《仙居县林业主要有害生物数值预报的研究》部分内容 |
| |
| 摘 要： | 针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子和延拓均生函数序列作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4.01%;虫口密度PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为3.32%;有虫株率PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.
|
| 关 键 词： | 马尾松毛虫 粒子群神经网络 发生量 预测预报 PSO-BP混合模型 |
Occurrence Forecasting of Dendrolimus punctatus Based on the Neural Network Mixed Model of Particle Swarm Optimization |
| |
| Chen Huihua,Cui Xiangfu,Yang Shengli.Occurrence Forecasting of Dendrolimus punctatus Based on the Neural Network Mixed Model of Particle Swarm Optimization[J].Journal of Northeast Forestry University,2008,36(11). |
| |
| Authors: | Chen Huihua Cui Xiangfu Yang Shengli |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
