10.3969/j.issn.1000-6362.2009.02.025
基于遗传神经网络的全国小麦条锈病长期气象预测
为了提高反向传播(BP)神经网络模型预测小麦条锈病发病率的准确性和效率,以上年1月-当年3月组合的120个大气环流特征量为基础,定量分析大气环流特征量与全国小麦条锈病发病率之间的相关性并从中筛选出主要的影响因子;对影响因子进行主成分分析(PCA),提取累计贡献达到85.46%的前10个主成分作为预测因子;利用逐步回归、BP神经网络及遗传算法(GA)优化的BP神经网络三种模型进行预测,三种模型的预测精度均在80%以上,其中GA-BP神经网络模型的精度最高,达92.6%,而其训练步长仅为标准BP神经网络的1/4左右.通过PCA简化网络结构,同时运用GA优化网络初始权值和阈值,GA-BP神经网络模型可以较好的预测小麦条锈病的发病率.
小麦条锈病、大气环流、主成分分析、遗传神经网络、长期气象预测
30
S43;TP3
国家"863"计划2006AA10Z203;国家科技支撑计划2006BAD10A01,2007BAH12B02
2009-06-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
243-247,251