基于改进BP神经网络的农业机械数据预测研究

发布时间：2021-08-21 21:20

　　为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法（APSO）优化的误差方向传播（BP）神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986—2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。 

【文章来源】：中国农机化学报. 2020,41(02)北大核心

【文章页数】：6 页

【部分图文】：

BP神经网络结构图

APSO-BP算法流程图

农机总动力数据走势图

【参考文献】：
期刊论文
[1]基于SAPSO的灰色神经网络优化城市林研究[J]. 罗美淑,刘世勇,孙强,夏春艳.  中国农机化学报. 2018(08)
[2]关于我国农机发展的研究综述[J]. 严中成,漆雁斌.  中国农机化学报. 2017(04)
[3]基于PSO-BP神经网络的光纤压力传感器温度补偿研究[J]. 徐顺,卢文科,左锋.  仪表技术与传感器. 2016(10)
[4]基于SAPSO算法的人群疏散模型研究[J]. 张永彬,王坚,王超,凌卫青.  管理评论. 2016(08)
[5]BP网络在吉林省农机总动力预测中的应用[J]. 艾洪福,潘贺.  中国农机化学报. 2016(08)
[6]基于PSO—BP算法的农业机械数据预测分析研究[J]. 邓涛,黄希光.  中国农机化学报. 2016(04)
[7]我国农业机械化发展潜力研究:方法与数据[J]. 刘恒新,李斯华,侯方安.  中国农机化学报. 2016(02)
[8]基于BP神经网络的灌孔砌块砌体抗压强度预测[J]. 王凤来,朱飞,周强.  建筑材料学报. 2015(06)
[9]基于改进PSO优化BP神经网络的变压器故障诊断[J]. 丁腾飞,曹云侠.  制造业自动化. 2015(10)
[10]基于灰色BP神经网络农业机械总动力预测的研究[J]. 勾国华.  中国农机化学报. 2013(05)



本文编号：3356356