基于主成分分析和粒子群优化神经网络的粮食产量预测

• 作者: 樊超 郭亚菲 闫洪涛
• 来源期刊: 江苏农业科学
• 学科: 工学
• 关键词: 粮食产量 预测模型 主成分分析(PCA) 粒子群(PSO)算法 BP神经网络 影响因素 预测精度
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 农业工程与信息技术
• 页码范围: 241-245
• 页数: 5页
• 分类号: TP399|TP391.4
• 字数: 4596字
• 语种: 中文
• DOI: 10.15889/j.issn.1002-1302.2019.19.056

摘要

粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统.但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型.首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值.预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊超	河南工业大学信息科学与工程学院	49	227	9.0	12.0
2	闫洪涛	河南工业大学信息科学与工程学院	14	9	2.0	2.0
3	郭亚菲	河南工业大学信息科学与工程学院	6	16	2.0	4.0