基于启发式Johnson算法优化BP神经网络的水产养殖产量预测模型

发布时间：2019-10-12 02:39

【摘要】：针对水产养殖产量预测难的现状,提出一种基于启发式Johnson算法优化的反向传播神经网络(BPNN)的产量预测模型。该模型在传统BP神经网络的基础上,针对网络训练时间长、易陷入局部最优的问题,通过启发式Johnson算法降低输入神经元维度,再结合试凑法确定神经网络隐层个数,构建启发式Johnson反向传播神经网络(HJA-BPNN)学习预测模型。实验结果表明,该模型在山东省对虾海水养殖产量预测中,预测的均方根误差小于传统BP神经网络和GM(1,1),且学习效率相比传统BP神经网络有所提升。研究表明,该学习预测模型在大量历史数据的模型构造上有更大的优势,能够缩短建模时间,同时获得良好的预测效果,为水产养殖产量预测提供了一种可行的新方法。
【作者单位】： 青岛科技大学信息科学与技术学院;
【基金】：基金项目:青岛市创新创业领军人才(15-07-03-0030)
【分类号】：S934;TP183
，

本文编号：2547840