10.3969/j.issn.1007-4929.2013.03.005
基于RBF神经网络与BP神经网络的核桃作物需水量预测
采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47%,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97%,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一.
预测、RBF神经网络、BP神经网络、作物需水量
S126(农业物理学)
国家高技术研究发展计划"863"计划资助项目"新疆特色果树微灌节水增效技术研究与示范"201130103-1;新疆自治区高技术研究与发展计划项目200712111
2016-05-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
16-19,23