农植物生长环境受多种指标的影响,为了切实地清洗数据和对农植物未来进行准确地预测,必须对数据进行准确的清洗,采用改进Levenberg-Marquardt算法(L-M BP神经网络算法),同时增加用隐节点数优化来改进BP神经网络算法,来减低迭代次数和加快约束速率。本研究采用该算法来建立数据清洗模型,首先对样本进行预处理,对建立的异常数据进行训练和得到的结果反复验证,得到的误差控制在3.0%以内,且模拟的网络值能真实反应的变化趋势。该模型适用对农植物生长气候异常数据清洗数据和预测。
科研之友
微信
新浪微博
Facebook
分享链接
