基于灰色关联分析与BP神经网络的农业灌溉预测

发布时间：2021-06-26 22:13

　　针对农业灌溉用水量预测存在的复杂性、不确定性和非线性等问题,提出一种基于灰色关联度分析与BP神经网络的灌溉需水量预测,首先,采用灰色关联度分析法,选取降水量、蒸发量、平均气温、日照时间、灌溉面积作为BP神经网络的输入因子;然后,根据各影响因子与灌溉用水量的对应关系,对模型训练;最后,将训练好的模型用于2007-2017年灌溉需水量预测中.结果表明,灰色关联-BP神经网络模型预测相对误差在1.81%～5.48%以内,可为农田灌溉预测提供科学依据. 

【文章来源】：数学的实践与认识. 2020,50(08)北大核心

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测[J]. 吴云,雷建文,鲍丽山,李春哲.  电力系统自动化. 2018(20)
[2]基于灰色关联度与BP神经网络的清河水库总氮浓度预测模型[J]. 陈鹏飞,王丽学,李爱迪,赵育.  水电能源科学. 2018(07)
[3]基于等维递补灰色GM（1,1）模型的我国农业灌溉用水预测分析[J]. 赵桂生,张海文,刘爱军,杨胜敏.  数学的实践与认识. 2018(04)
[4]基于灰色理论—BP神经网络方法的表层土壤容重预测[J]. 郭李娜,樊贵盛.  节水灌溉. 2018(02)
[5]基于灰色神经网络与模糊控制的寒地水稻灌溉制度[J]. 冯兆宇,崔天时,张志超,王锐,刘春莉,王立峰.  灌溉排水学报. 2018(04)
[6]基于L-M优化算法的BP神经网络的作物需水量预测模型[J]. 张兵,袁寿其,成立,袁建平,从小青.  农业工程学报. 2004(06)
[7]灌溉发展需求预测人工神经网络模型的建立与应用[J]. 陈志军.  水利学报. 1998(02)
[8]作物需水量灰色预测模型[J]. 郭宗楼,白宪台,马学强.  水电能源科学. 1995(03)



本文编号：3252190