基于GA-BP神经网络的果园需水量预测

作者：刘洪山; 王卫星; 孙道宗; 高鹏; 陈文彬; 林楚婷; 谢家兴^*

来源：排灌机械工程学报, 2020, 38(12): 1258-1263.

• 果园
• 需水量
• 预测
• BP神经网络
• 遗传算法

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好地表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.

• 单位
  华南农业大学; 电子工程学院