基于混合群智能算法优化BP神经网络的粮食产量预测

摘要：

针对前馈神经网络预测粮食产量的方法易陷入局部最优的问题,提出一种基于粒子群算法和人工蜂群算法的改进BP神经网络模型.利用粒子群优化算法和人工蜂群算法在全局搜索能力上的不同优势,结合两者对BP神经网络的权值和阈值进一步优化,以提升粮食产量预测模型的准确性与鲁棒性.给出基于粒子群和人工蜂群混合的ABPSO算法的具体实现,并选择1979年至2012年我国粮食的产量及影响其产量的8项因素作为数据集进行试验.结果表明:改进的BP神经网络能够较好地预测国内近几年的粮食产量变化趋势;相比未优化的BP模型,新算法预测误差平均值由847780 t降低至240320 t,误差范围由1894200 t降低至586800 t.

关键词：粮食产量、预测、BP神经网络、粒子群、人工蜂群、混合群智能

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61572241,61271385;国家重点研发计划项目2017YFC0806600;江苏省"六大人才高峰计划"高层次人才计划项目2015-DZXX-024;江苏省"333工程"第三层次人才计划项目2016III-0845

在线出版日期：2019-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：209-215