基于改进粒子群优化-反向传播神经网络算法的小麦储藏品质预测模型

摘要：

在使用反向传播神经网络(back propagation neural network,BPNN)预测小麦的储藏品质时,由于其易陷入局部极值且收敛速度慢,导致预测误差较大且稳定性较差,由此提出一种改进粒子群(improved particle swarm optimization,IPSO)算法优化的BPNN预测模型.采用非线性函数动态调整粒子群算法中的惯性权重和学习因子,优化BPNN中的权值参数,进而构建IPSO-BPNN预测模型.为验证该模型的准确性和稳定性,将其与BPNN模型、PSO-BPNN模型进行对比,结果表明:IPSO-BPNN模型预测的均方误差显著降低,有助于提高小麦储藏品质预测的准确性和可靠性.

关键词：小麦储藏品质;多指标分析;粒子群算法;改进粒子群优化-反向传播神经网络(IPSO-BPNN);预测模型

所属期刊栏目：21

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;河南省自然科学基金;河南省科技攻关项目

在线出版日期：2022-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：8951-8956