基于经验模态分解与BP神经网络的农机总动力增长预测

• 作者: 王金峰 王金武 闫东伟 鞠金艳
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 农业机械 模型 支持向量机 经验模态分解 BP神经网络 农机总动力 预测
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 农业装备工程与机械化
• 页码范围: 116-122
• 页数: 7页
• 分类号: S23
• 字数: 7206字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.10.015

摘要

为提高农机总动力增长变化预测结果的准确性和可靠性,根据农机总动力增长变化与其影响因素之间具有在各时间尺度明显的非线性波动特征,提出以1986—2013年农机总动力增长为研究对象,分别对农机总动力增长及其影响因素时间序列数据进行经验模态分解(empirical mode decomposition,EMD),对得到的各时间尺度下的波动分量分别建立BP神经网络预测模型.将EMD-BP网络预测结果与多元线性回归、支持向量机、BP神经网络进行对比分析,结果表明:基于EMD-BP网络建立的农机总动力增长预测模型,拟合和预测平均相对误差分别为0.99%和1.29%,相关决定系数约为0.999,均方根误差为316.35 MW,模型评价等级为"好",各项精度评价指标都优于其他方法,因此该预测模型精度高、可靠性强.研究成果为农业机械化发展规划的制定和出台相关政策提供有效参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金武	东北农业大学工程学院	142	1558	21.0	30.0
2	王金峰	东北农业大学工程学院	48	708	16.0	24.0
3	闫东伟	东北农业大学工程学院	7	55	6.0	7.0
4	鞠金艳	黑龙江科技大学机械工程学院	14	85	6.0	8.0