|
|||||
|
|
| 基于GANPSO-BP神经网络的粮情预测模型研究 | |
| 作者单位： | ;1.河南工业大学信息科学与工程学院 |
| 摘 要： | 在使用BP神经网络构建粮情温度预测模型时,因其存在误差高、稳定性差等缺陷,借鉴遗传算法和粒子群的思想,提出一种GANPSO-BP神经网络来预测粮食温度。首先为验证GANPSO算法的可用性,将该算法与PSO算法和IPSO算法在测试函数上利用Matlab软件进行模拟测试,结果得出GANPSO算法效果相对与其他两种算法有着明显提高;然后再对BP,PSO-BP和GANPSO-BP三种神经网络进行测试,得出BP的均方误差为0.021 79,PSO-BP的均方误差为0.017 65,GANPSO-BP的均方误差为0.013 30;从而得到GANPSO-BP神经网络相对于其他两种有着较好的稳定性,能够很好地预测粮食温度的变化情况。 |
| 关 键 词： | 粮食温度 回归预测 GANPSO-BP神经网络 仿真模拟 预测分析 权重优化 |
Research on grain situation prediction model based on GANPSO-BP neural network |
|
| Abstract: | |
| Keywords: | |