试析基于bp神经网络的农作物虫情预测预报及其matlab实现

《试析基于bp神经网络的农作物虫情预测预报及其matlab实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、安徽农业大学硕士学位论文基于BP神经网络的农作物虫情预测预报及其MATLAB实现姓名：高宁申请学位级别：硕士专业：农业机械化工程指导教师：邵陆寿2003.5.1摘要农嚣物主要害虫鬻年对佟纺造成严重蔻害，傻农泣经济遭到攘失。{囊测害虫来来豹发生动态，霹激毽治蛊工作褥以鸯露豹、旨计划、有藿煮豹进行。害斑静预溯预报工作是迸嚣害虫综含陵浓韵必簧前掇。只有对害虫发，圭危害鹊预测预报骰翻及时、准确，才髓歪确静拟定练合防治诗翎，及辩采取必簧的措麓，经济有效的藤低窖虫的发生数量，绦证农监豹高产、稳产。笈生嚣顸溯就是预测窖虫的笈生数量

2、，害虫发生照的预测是决定防治区域、簖治嗣块面积及防治次数的依据。但其总的研究进展仍远远落后于发生期的预测。这是由于影响害虫发生量的因素较多及其不确定俄所致。因而采用三层BP网络对虫害发生量进行预测可以有效的刻湎其具有的不确定、多输入、复杂的非线性特，谯。人工神经网络是一类模拟人类神经系统的结构，他揭示数据样本中蕴含的4}线性关系，大跫处理单元组成非线性融适应动态系统，具有良好的自适应性、自组织及很强鲍学习、联想、容错和抗干扰能力，在不同稷度和层次上可模仿大脑的信息处理枧理，霹灵活方便的对多成因的复杂未知系数进行建模。

3、特别是BP网络近年来广泛应用予模式识别、预测评储等领域，并取得良好的效果。熙前BP网终采耀误差逆传攘算法学习训练神经网络，该算法是基予网终误差函数梯度下降救。为了克服BP溅终褒学习谢练过程中收敛速度慢、容易陷入局部极小的不足，本文采弱了叁逶囊弱学习速率穰辫麓动煮法。然蕊，BP网终的模型灼实璎懿要掌握计算抚缡程语言及较高漪编程畿力，这在一定稷度上不剿予耪缀鄹络技术的雄广秽使髑。褥MATLAB软

4、f率提供了一个现成的神经阚终工具键(NeuralNetworkToolbox，简称NNT)，为解决这个难题提供了傻利条件。本文

5、在麓要食镏了Bp裤经嬲络萎本爨瑾及箕算法的蓬础上，详维介绍了利翔MATLAB襻经鼹终工兵籍进移Bp弼络模登建立、诱f练、仿真的编程方法。同时，为了弥补、tATLAB在人橇交互性能上静欠缺，建立淞下LA8与DELPHI之间的应用程序接口，将DELPHI灵活强大鲍绫程能力、MATLAB强大静科学计算能力相结合。本文圭簧利霜神经潮络耀论，基于MATLAB的神经网络正具箱建立了虫害发生量预报预测的BP神经网络预测系统，确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻虫情的预测来检验模型的效果。实验结果证明了该模

6、型用于虫情预测的可行性，具有很好的应用价值。关键词：虫害发生量预测预报MATLAB神经网络工具箱BP神经网络DELPHIAbstractThemainpestsdoseriousharmtocropsperennialanddamagetheagriculturaleconomy．Topredictthetrendsofpestsinthefuture，theworkstocontrolthepestscanbeimplementeddesignedlyandpurposefully．Onlywhenthepredi

7、ctionisbetimesandaccurately,peoplecandrawoutthecolligatedplanandtaketheeffectivemeasuretoreducethequantityofpestsandensureag矗culturalproductfruitful．Thepredictionoftheoccurrencelevelofpestsistopredicttheamountofpestsanditisthecoreofwhichandhowmanyfieldsneedtobe

8、controlled。Butthewholeprogressoftheresearchisstillbehindthepredictionoftheoccurrencetime．Itisbecausethattherearetoomanyeffectivefactors，whichayeuncertain。Soweproposeathere—layerBPneuralnetworkthatcarlbetterdepictthemodel’sfeatureofcomplexnonlinear,multi-input—o

9、utputandindefinite．Neuralnetworkarecomposedofsimpleelementsoperatinginparallel．Theseelementsareinspiredbybiologicalnervoussystems．Asinnature，thenetworkfunctionisdeterminedla