基于ASSA-GRNN的施肥量预测与控制实现

作者：顾丽丽; 刘勇^*; 王亮

来源：农机化研究, 2021, 43(10): 1-6.

DOI：10.13427/j.cnki.njyi.2021.10.001

• 预测施肥量
• 樽海鞘算法
• GRNN神经网络

提出一种改进的樽海鞘算法,对GRNN神经网络进行优化。首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力。将改进的樽海鞘算法应用到GRNN神经网络平滑因子参数的优化,缩短了训练时间,提高了预测精度。利用ASSA-GRNN与PSO-BP模型分别进行施肥量预测,ASSA-GRNN模型的施氮量预测结果绝对误差平均值、绝对误差方差和相对误差平均值分别为0.0342、0.0044和0.67%,比PSO-BP模型预测误差有所下降。最后,施肥量预测结果通过数据可视化技术展示给用户,且可以通过开关控制器打开电磁阀。

• 单位
  电子工程学院; 黑龙江大学