基于主成分分析和粒子群优化神经网络的粮食产量预测 |
| |
作者姓名: | 郭亚菲 樊超 闫洪涛 |
| |
作者单位: | 河南工业大学信息科学与工程学院,河南郑州,450001;河南工业大学信息科学与工程学院,河南郑州,450001;河南工业大学信息科学与工程学院,河南郑州,450001 |
| |
基金项目: | 河南省科技攻关项目;国家粮食公益性行业科研专项;河南省自然科学基金 |
| |
摘 要: | 粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。
|
关 键 词: | 粮食产量 预测模型 主成分分析(PCA) 粒子群(PSO)算法 BP神经网络 影响因素 预测精度 |
本文献已被 CNKI 万方数据 等数据库收录! |
|