基于改进人工蜂群算法的大青杨晚材率预测

摘要：

为了更加准确地预测人工林大青杨(Populus ussuriensis)晚材率,通过对标准人工蜂群算法(artificial bee colony,ABC)的蜜源更新公式进行改进,提出了分段式蜜源搜索半径公式,并用改进的人工蜂群算法(AABC)对径向基(radial basis func-tion,RBF)神经网络的初始参数进行优化,提出一种基于改进的人工蜂群算法和径向基神经网络算法结合的预测模型,并与粒子群(partical swarm optimization,PSO)优化的RBF神经网络预测结果进行对比.结果 表明:传统的RBF预测模型不仅收敛速度慢,而且预测精度不高.基于改进的ABC算法优化RBF神经网络预测模型整体比PSO优化的效果相对较好,收敛速度从42步提升至28步,预测的平均相对误差从2.54％降低到0.95％.可见对ABC算法的改进是可行的,而且提高了晚材率预测的精度.

关键词：神经网络;大青杨;晚材率;气候因子;预测模型

所属期刊栏目：21

分类号：S781.31(森林采运与利用)

资助基金：中央高校项目;黑龙江省自然科学基金

在线出版日期：2021-12-21（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：11118-11124