作物产量预测的BP神经网络模型研究

将人工神经网络技术应用于作物产量预测,建立了拓扑结构为6-5-1的三层BP神经网络模型,并分析了模型计算流程。将该模型应用于人民胜利渠灌区1981—2000年作物产量的实例检验,并与灰色模型的模拟结果进行了比较。结果表明:BP神经网络模型用于作物产量预测简便可行,预测的最大误差为-6.71%,平均误差仅为2.64%,预测精度优于灰色模型。     

基于支持向量机理论的土壤水分预测模型研究

土壤水分含量是影响作物生长和农田水土环境的一个重要指标,土壤水分预测对农业生产中水分的合理利用与管理具有重要意义.应用支持向量机理论,采用土壤水分含量影响较大的降雨量、蒸发量、相对湿度和地下水埋深作为模型输入因子,土壤水分含量为输出因子,建立了土壤水分预测模型,并与灰色理论水分预测模型进行了对比.结果表明:支持向量机模型预测土壤含水量的最大误差为5.83%,平均误差为2.44%,预测结果优于灰色预测理论,模型的预测精度为0.957.