基于粒子群算法及rbf神经网络技术的粮食产量预测方法

基于粒子群算法及rbf神经网络技术的粮食产量预测方法

ID:35180876

大小:3.80 MB

页数:55页

时间:2019-03-21

基于粒子群算法及rbf神经网络技术的粮食产量预测方法_第1页
基于粒子群算法及rbf神经网络技术的粮食产量预测方法_第2页
基于粒子群算法及rbf神经网络技术的粮食产量预测方法_第3页
基于粒子群算法及rbf神经网络技术的粮食产量预测方法_第4页
基于粒子群算法及rbf神经网络技术的粮食产量预测方法_第5页
资源描述:

《基于粒子群算法及rbf神经网络技术的粮食产量预测方法》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、*4单位代码10476学号H(J828?t31—分类号TP391「I滅或钟耗尖聲硕:t学位论文(专业学位)基于粒了群算法及RBF神经锅络技术的觀食产量爾测方法专业学位巧域:农化信息化专业学位类别:衣业扭广硕±申请人:區女婷指导教师:岡林教授二〇-六村貞^;独创性声明本人郑重声明:所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的。,研究成果尽我所知除了文中特别加W标注和致谢的地方外,论义中不包含其他人已经发表或撰写的研究成果,也

2、不包含为获得河南师范大学或其他教育机构的学位或证书一所使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。於f。文峰巧曼9作者签名:爲巧日期;关于论文使用授权的说明本人完全了解河南师范大学有关保留、使用学位论文的规定,目P;有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权河南师^^范大学可科将学位论文的全部或部分内容编入有关数据库进行检索,可(采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密盾

3、适用本授权书)1%如作者签名:导师签名:期;..—雄L曰皆生吗弓GRAINYIELDPREDICTIONOFRBFNEURALNETWORKBASEDONIMPROVEDPARTICLESWARMOPTIMIZATIONALGORITHMADissertationSubmittedtotheGraduateSchoolofHenanNormalUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofAgriculturalExt

4、ensionByQuWentingSupervisor:Prof.YanLinMay,2016摘要粮食生产代表着一个国家经济实力的强弱,对一个国家的发展至关重要。粮食生产与人类的生产生活息息相关,给人类的生存发展提供充足的物质保障,而且,粮食也是人民生存的必需品,对一个国家的前途命运有着重要的影响。目前,仍然有许多国家存在着粮食问题,粮食问题依旧是人类面临的最严峻的问题之一,引起了世界各国的广泛关注。众所周知,我国是一个农业大国,但同时也是一个土地资源相对匮乏的国家,所以确保稳定的粮食安全对稳定我国的发展有着深远的影响。因

5、此,科学预测农业粮食生产发展是一项十分重要的举措。本文主要研究了用粒子群算法来改进RBF神经网络,使其预测速率更快,预测的精度更高,不易呈现局部最优。通过在粒子群算法中加入局部搜索算子来不断的更新粒子的位置和速度,使其在全局的搜索范围内具有最优的适应值参数,运用粒子群算法优化RBF神经网络的参数,可以使RBF神经网络的参数最优,从而最后预测出的粮食产量与实际值更接近。首先,对粒子群算法的原理和过程进行了阐述,然后通过对粒子群算法的分析便可以得到随机初始化粒子群,在初始化粒子群的条件下,对样本产量进行不断的迭代,即可得到最优

6、解。然后用优化后的粒子群算法处理RBF神经网络参数,对粮食产量的样本进行归一化处理,对RBF神经网络构成进行初始化,为参数wciii,,赋随机的初值用来初始化粒子群位置、速率和范围,从而可以得到最优的粒子群模型,达到了本文所满足的目的。然后,介绍了RBF神经网络模型。首先介绍了RBF神经网络模型的原理,并对原理进行了分析,介绍了RBF神经网络的来源,以及特点,并简单介绍了RBF神经网络的常见的应用,RBF神经网络因其独特的优点而在生活中使用的越来越普遍。通过对RBF神经网络模型的分析,对粮食产量建立了预测模型,然后对RB

7、F神经网络模型的参数进行优化,使用粒子群算法来优化参数,建立预测效果良好的产量预测模型,根据粮食产量的样本,预测出未来几年的粮食产量,与实际产量进行对比,并做误差分析,可以得出结论使用粒子群算法优化神经网络,建立粮食产量预测模型,预测出的结果与实际值比较接近。最后,采用粒子群算法优化的RBF神经网络,对粮食产量的样本进行训练,使RBFI神经网络的参数最优,便可获得粮食产量的预测值。关键词:粒子群算法,RBF神经网络,适应度值IIABSTRACTGrainproductionrepresentsthestrengthofac

8、ountry'seconomicstrength,whichisveryimportanttothedevelopmentofacountry.Grainproductionandhumanproductionandlifearecloselyrelated,providingadequatemater

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。