基于改进RBF神经网络的粮仓温度预测

摘要：

粮食储备对于一个国家来说十分重要,是关乎民生的重要战略资源.储粮对于温度要求十分严格,针对传统粮仓温度预测存在非线性、精度差的问题,选用RBF神经网络建立温度预测模型,利用粒子群算法(particle swarm optimization,PSO)及列文伯格-马夸尔特算法(levenberg-marquard,LM)优化网络的参数.仿真结果可以看出,用PSO算法和LM算法优化后的神经网络模型预测精度更加准确,与PSO优化后的RBF神经网络进行比较,PSO-LM-RBF算法预测误差小,模型更加稳定.

关键词：RBF神经网络;PSO算法;LM算法;粮仓温度预测

分类号：TP273(自动化技术及设备)

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：12-15,19