膜计算粒子群算法改进极限学习机的水肥预测模型研究

作者：谢佩军; 张育斌

来源：中国农机化学报, 2021, 42(04): 142-149.

DOI：10.13733/j.jcam.issn.2095-5553.2021.04.20

• 膜计算
• 粒子群算法
• 极限学习机
• 水肥预测
• 智能灌溉

针对灌溉系统水肥预测计算复杂、预测精度不高、实时性不强等问题,提出膜计算粒子群算法改进极限学习机(MCPSO-ELM)的水肥预测模型。为提高极限学习机的泛化能力和预测精度,引入粒子群算法与膜计算进行优化,利用粒子群算法的高效率搜索能力与膜计算的平行计算优势,大幅度提高收敛速度和搜索精度,不断迭代优化ELM网络的连接权值和阈值以提高预测精度,种群多样性有效解决全局搜索和局部寻优之间的平衡。建立PSO-ELM、WPSO-ELM、IPSO-ELM和MCPSO-ELM四个模型进行对比试验,MCPSO-ELM模型的预测误差小于30 m3/hm2,MAPE为2.0%,预测曲线与水肥实际用量曲线最为接近,预测性能明显优于其他模型。本文提出的MCPSO-ELM能够获得更高的预测精度、更好的预测效率和稳定性,可以为智能灌溉系统提供可靠参考。

• 单位
  西安交通大学机械制造系统工程国家重点实验室; 西安交通大学; 浙江纺织服装职业技术学院