基于启发式Johnson算法优化BP神经网络的水产养殖产量预测模型

• 作者: 李海涛 茆毓琦
• 来源期刊: 渔业现代化
• 学科: 农学
• 关键词: 水产养殖产量 预测模型 BP神经网络 Johnson算法
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 水产养殖工程
• 页码范围: 19-23,31
• 页数: 6页
• 分类号: TP391.7|S911
• 字数: 4371字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2017.06.004

摘要

针对水产养殖产量预测难的现状,提出一种基于启发式Johnson算法优化的反向传播神经网络(BPNN)的产量预测模型.该模型在传统BP神经网络的基础上,针对网络训练时间长、易陷入局部最优的问题,通过启发式Johnson算法降低输入神经元维度,再结合试凑法确定神经网络隐层个数,构建启发式Johnson反向传播神经网络(HJA-BPNN)学习预测模型.实验结果表明,该模型在山东省对虾海水养殖产量预测中,预测的均方根误差小于传统BP神经网络和GM(1,1),且学习效率相比传统BP神经网络有所提升.研究表明,该学习预测模型在大量历史数据的模型构造上有更大的优势,能够缩短建模时间,同时获得良好的预测效果,为水产养殖产量预测提供了一种可行的新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海涛	青岛科技大学信息科学与技术学院	26	83	6.0	7.0
2	茆毓琦	青岛科技大学信息科学与技术学院	1	3	1.0	1.0