基于L-M优化算法的BP神经网络的作物需水量预测模型

摘要：

应用L-M优化算法BP神经网络,通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析,来确定网络的拓扑结构,建立作物需水量的人工神经网络模型.用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络,仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性,模型的预测精度较高,同时通过一组非样本天气环境参数和作物需水量来验证该神经网络,也得到了较好的预测结果,能够满足灌溉的精度要求.

关键词：BP神经网络、作物需水量、L-M优化算法、预测模型

所属期刊栏目：20

分类号：S274.1(农田水利)

资助基金：国家高技术研究发展计划863计划2004AA2Z4010

在线出版日期：2004-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：73-76