基于KPCA-SSA-BP的农业气象灾害预测 |
| |
引用本文: | 李思宇,李玥.基于KPCA-SSA-BP的农业气象灾害预测[J].江苏农业学报,2023(6):1366-1371. |
| |
作者姓名: | 李思宇 李玥 |
| |
作者单位: | 1. 甘肃农业大学理学院;2. 甘肃农业大学信息科学技术学院 |
| |
基金项目: | 国家自然科学基金项目(32060437、31360315); |
| |
摘 要: | 农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明,在旱灾受灾率的模型评价指标对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%;在洪灾受灾率的模型评价对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。
|
关 键 词: | 农业气象灾害 核主成分分析(KPCA) 反向传播(BP)神经网络模型 麻雀搜索算法 粒子群算法 遗传算法 |
|