基于GANPSO-BP神经网络的粮情预测模型研究

摘要：

在使用BP神经网络构建粮情温度预测模型时,因其存在误差高、稳定性差等缺陷,借鉴遗传算法和粒子群的思想,提出一种GANPSO-BP神经网络来预测粮食温度.首先为验证GANPSO算法的可用性,将该算法与PSO算法和IPSO算法在测试函数上利用Matlab软件进行模拟测试,结果得出GANPSO算法效果相对与其他两种算法有着明显提高;然后再对BP,PSO-BP和GANPSO-BP三种神经网络进行测试,得出BP的均方误差为0.02179,PSO-BP的均方误差为0.01765,GANPSO-BP的均方误差为0.01330;从而得到GANPSO-BP神经网络相对于其他两种有着较好的稳定性,能够很好地预测粮食温度的变化情况.

关键词：粮食温度、回归预测、GANPSO-BP神经网络、仿真模拟、预测分析、权重优化

所属期刊栏目：42

分类号：TN711-34;TP301.6(基本电子电路)

资助基金：国家重点研发计划专项项目2017YFD0401004;河南省重点科研项目280090;国家粮食行业公益性专项201513001;粮食信息处理与控制教育部开放基金KFJJ-2015-103;"北粮南运"散粮集装箱高效保质运输技术及物流信息追溯平台支撑示范工程2018YFD0401400

在线出版日期：2019-10-31（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：21-25