10.19336/j.cnki.trtb.2020052501
基于改进BP神经网络与支持向量机的土壤墒情预测方法研究
为提高土壤墒情预测精度,提出了一种基于遗传算法(GA)、改进粒子群算法(IPSO)、误差反向传播(BP)神经网络和支持向量机(SVM)的土壤墒情组合预测模型(GA_IPSO_BP-SVM).该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GA_IPSO_BP模型,然后对GA_IPSO_BP和SVM模型分别进行训练和数据仿真,最后利用建立的加权模型对GA_IPSO_BP和SVM模型的土壤墒情预测结果进行组合.以安庆市8个监测站某时段内农田土壤墒情数据为例,分别按隔日、两日后和三日后三种时间跨度进行土壤墒情预测,并对照BP、GA-BP、PSO-BP、IPSO-BP、GA_IPSO_BP和SVM模型,验证和比较提出的GA_IPSO_BP-SVM模型的土壤墒情预测精度.结果表明,GA_IPSO_BP-SVM模型的土壤含水量预测相对误差平均值最小.GA_IPSO_BP与SVM模型组合的GA_IPSO_BP-SVM模型提高了土壤墒情的预测精度,更适合于土壤墒情的短期预测,该方法可为农业节水灌溉方案的制定提供技术支撑.
误差反向传播神经网络;遗传算法;改进粒子群算法;支持向量机;组合预测模型;土壤墒情预测
52
S152.7(土壤学)
国家自然科学基金项目;"广西八桂学者"专项经费;广西空间信息与测绘重点实验室基金项目;桂林理工大学博士基金项目
2021-09-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
793-800