摘要:
通过对植物病虫害预警模型的相关原理和方法的研究,并结合粒子群算法对后向传播神经网络进行参数优选,构建了基于粒子群和神经网络混合箅法的植物病虫害组合预警模型.模型参数:①PSO参数设定:准粒子群算法模型参数的设定主要是对惯性、收敛(约束)、"认知"、"社会"进行变化与调节.C1是粒子跟踪自己历史最优值的权重系数,它表示粒子自身的认识,设置为2.C2是粒子跟踪群体最优值的权重系数,它表示粒子对整个群体知识的认识,设置为2.ξ,η设置为[0,1]区间内均匀分布的随机数.r是对位置更新的时候,在速度前面加的1个系数,设置为1;②BP神经网络输入层节点的确定:预测模型输入层节点为7个,分别代表7个特征指标,即发病面积、稻瘟病发病率、雨量、雨日数、平均温度、平均湿度、光照;③隐含层节点及隐层数的确定:该研究采用3层BP网络,隐层数为1层.将1980~2000年云南省盈江稻瘟病历史数据作为学习样本输入到预警模型,进行训练.隐节点为7时误差最小(1.046);④输出层节点的确定:预测模型输出层节点为1个,即稻瘟病病情指数(Y).稻瘟病发生程度分为5个等级:<10,为等级1;10.1~20.0,为等级2;20.1~30.0,为等级3;30.1~50.0,为等级4;>50.0,为等级5.预警模型:在构建预测模型时,包括2个过程,即学习过程和预测过程.在学习过程阶段主要在PSO算法对连接权和阈值优化的基础上,通过对样本数据的学习,找到其内在规律性,从而确定各节点间的连接权和阈值.由于选取影响植物病情发病的因子有7个,因此,第i年的输入层就为1个7维向量xi,即输入层为7个神经元.隐含层确定为1层,输出层为第i+1年的植物病理病情指数,故为一维向量yi,因此,输出层的神经元个数为1.预测过程则是根据学习过程已经确定下来的连接权值和阈值,把需预测样本输入训练好的BP网络,通过网络学习后,输出相应的预测值.如需预测第i年植物病情等级,就把第i-1年决定植物病理发生的相应因素输入到该网络模型.即输出就为第i年植物病情发生程度的预测值.测试结果表明预警模型的构建有效且可行,为构建有效的预警平台应用提供了可行的模型结构.