BP神经网络与GA-BP农作物需水量预测模型对比

• 作者: 江显群 陈武奋
• 来源期刊: 排灌机械工程学报
• 学科: 农学
• 关键词: 农作物需水量 节水灌溉 遗传算法 BP神经网络 预测模型
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 农业水文水资源及调控
• 页码范围: 762-766
• 页数: 5页
• 分类号: S274.4
• 字数: 2831字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8530.18.1042

摘要

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江显群	珠江水利委员会珠江水利科学研究院	9	17	2.0	4.0
2	陈武奋	珠江水利委员会珠江水利科学研究院	7	21	3.0	4.0