為解決果園需水量預測精度低、魯棒性差等問題,提出了遺傳算法(GA)優(yōu)化BP神經(jīng)網(wǎng)絡的果園需水量預測模型.選取空氣溫度、土壤含水率、光照強度3個主要環(huán)境因子作為BP神經(jīng)網(wǎng)絡的輸入量,利用遺傳算法的全局搜索能力優(yōu)化神經(jīng)網(wǎng)絡權值和閾值,建立GA-BP神經(jīng)網(wǎng)絡模型預測果園需水量.仿真結果表明:GA-BP預測模型的預測值比BP模型更加趨近期望需水量,模型評價指標平均絕對百分比誤差(MAPE)、均方根誤差(RMSE)和平均絕對誤差(MAE),均優(yōu)于單一BP神經(jīng)網(wǎng)絡模型.與傳統(tǒng)的BP神經(jīng)網(wǎng)絡算法相比,GA-BP神經(jīng)網(wǎng)絡模型能較好地表達果園需水量與主要環(huán)境因子的非線性關系,具有較高的預測精度和適應性.

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 環(huán)境信息采集系統(tǒng)結構

系統(tǒng)框圖如圖1所示．本環(huán)境信息采集系統(tǒng)的傳感器節(jié)點主要由多個傳感器、處理器、無線通信模塊和電源等組成，實物如圖2所示．采集數(shù)據(jù)的傳感器分別為測量土壤含水率的TDR-3傳感器、測量空氣溫濕度的DHT22數(shù)字傳感器及測量光照強度的GY-30傳感器[1,3]，處理器則為ST公司的STM....

圖2 傳感器節(jié)點實物圖

圖1環(huán)境信息采集系統(tǒng)結構1.2數(shù)據(jù)選擇

圖3 樣本數(shù)據(jù)

式中:Xi為樣本數(shù)據(jù);Xmax,Xmin為樣本數(shù)據(jù)的最大值和最小值;X"i為歸一化后的值．圖3繪制了傳感器網(wǎng)絡采集環(huán)境數(shù)據(jù)中的小部分樣本數(shù)據(jù)，圖中ET為需水量，E為光照強度，φ為濕度，t為溫度．2灌溉預測模型

圖4 反向傳播網(wǎng)絡示意圖

式中:η為誤差反向傳播學習率(0<η<1);δj(k)為各層誤差信號．BP神經(jīng)網(wǎng)絡學習算法流程如圖4所示．2.2BP神經(jīng)網(wǎng)絡模型

本文編號：4056575