基于KPCA-SSA-BP的农业气象灾害预测

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。