BP神经网络与GA-BP农作物需水量预测模型对比

摘要：

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.

关键词：农作物需水量、节水灌溉、遗传算法、BP神经网络、预测模型

所属期刊栏目：36

分类号：S274.4(农田水利)

资助基金：广州市科技计划项目201604020049

在线出版日期：2018-11-12（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：762-766