主成分和BP神经网络在粮食产量预测中的组合应用
粮食产量的变动受到多种因素的共同影响,各因素之间往往具有十分复杂的非线性关系,传统的预测方法大多无法反映这种变化规律而影响了预测的准确性.BP神经网络模型具有很好的非线性逼近能力,对中国粮食产量能实现比较准确的预测;主成分分析可以对具有模糊关联的变量数据进行降维,其与BP神经网络的组合能优化模型的网络结构,提高预测精度.实证结果表明,组合模型预测结果的精度提高了3%,网络训练的收敛速度和效率也得到不同程度的改善.
主成分、神经网络、粮食产量、预测
25
R59;R31
中国政法大学科研基金13ZFG79002
2016-12-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
274-278