基于IPSO-BP模型的粮食产量预测方法研究

作者：胡程磊; 刘永华^*; 高菊玲

来源：中国农机化学报, 2021, 42(03): 136-141.

DOI：10.13733/j.jcam.issn.2095-5553.2021.03.019

• 粮食产量预测
• 群智能
• 微粒群算法
• 神经网络

针对粮食产量预测的复杂性,以基本微粒群算法(PSO)为基础,引入繁殖和变异机制,提出一种改进的微粒群算法(IPSO)优化BP神经网络的连接权值和阈值。综合考虑影响粮食产量的有关因素,构建出IPSO-BP的粮食产量预测模型,并以江苏省1978—2018年的粮食产量及影响其产量的10个因素作为数据集进行仿真试验。试验结果表明,与基本PSO-BP神经网络模型及BP神经网络模型相比,基于IPSO-BP神经网络模型获得的2016年、2017年、2018年粮食产量预测结果最优相对误差分别为0.24%、0.25%、0.06%,平均相对误差0.76%、0.67%、0.38%,该模型的预测精度及稳定性大幅提高。

• 单位
  江苏农林职业技术学院