优化BP网络在农业墒情站数据预测中的应用研究

• 作者: 严凯 何勇 姚凯学 杨倩
• 来源期刊: 物联网技术
• 关键词: 农业墒情站 神经网络 遗传算法 粒子群算法 蜂群算法 预测模型
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 智能处理与应用
• 页码范围: 82-86
• 页数: 5页
• 分类号: TP183|TP273
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2019.08.028

摘要

针对农业墒情站在采集农作物生长环境因子时表现不可靠的问题,文中使用BP神经网络来预测环境数据,辅助墒情站,为农户提供有效数据,从而对农作物进行更精准地保护.由于BP存在网络结构难以确定等问题,故利用自适应加速因子的粒子群算法、可改变搜索空间的蜂群算法和自适应变异概率的遗传算法三种方法来优化BP的初始权阈值.经仿真证明,三种改进方案不仅提高了BP预测的收敛速度,而且提高了预测精度.自适应加速因子的粒子群BP模型预测效果最佳,故将其嵌入农业墒情站,目前,墒情站已经投入使用,可有效保护农作物.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严凯	贵州大学计算机科学与技术学院	7	11	2.0	3.0
2	何勇	贵州大学计算机科学与技术学院	31	111	6.0	9.0
3	姚凯学	贵州大学计算机科学与技术学院	50	198	6.0	11.0
4	杨倩	贵州师范学院商学院	7	6	2.0	2.0