东北林业大学学报
東北林業大學學報
동북임업대학학보
JOURNAL OF NORTHEAST FORESTRY UNIVERSITY
2008年
11期
88-91
,共4页
马尾松毛虫%粒子群神经网络%发生量%预测预报%PSO-BP混合模型
馬尾鬆毛蟲%粒子群神經網絡%髮生量%預測預報%PSO-BP混閤模型
마미송모충%입자군신경망락%발생량%예측예보%PSO-BP혼합모형
针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子和延拓均生函数序列作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4.01%;虫口密度PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为3.32%;有虫株率PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.
針對BP網絡具有跼部精確搜索但易陷入跼部極小、粒子群算法具有全跼尋優的特點,將二者結閤起來形成一種訓練神經網絡的新算法--PSO-BP算法.根據相關繫數法、均生函數法及逐步迴歸法分彆選取與馬尾鬆毛蟲有蟲麵積、蟲口密度、有蟲株率相關關繫密切的氣象因子和延拓均生函數序列作為樣本的輸入特徵,分彆建立馬尾鬆毛蟲有蟲麵積、蟲口密度、有蟲株率與氣象因子和延拓均生函數序列的PSO-BP混閤模型.結果錶明:建立的各PSO-BP混閤模型,具有令人滿意的擬閤精度和預測精度.噹隱含層神經元箇數為13箇,預報因子數為6箇時,3組預留有蟲麵積的平均預測誤差為4.01%;蟲口密度PSO-BP混閤模型的隱層神經元箇數為9箇,預報因子數為4箇時,預留樣本的平均預測誤差為3.32%;有蟲株率PSO-BP混閤模型的隱層神經元箇數為9箇,預報因子數為4箇時,預留樣本的平均預測誤差為2.83%.上述3箇指標的預測準確率均為100%.
침대BP망락구유국부정학수색단역함입국부겁소、입자군산법구유전국심우적특점,장이자결합기래형성일충훈련신경망락적신산법--PSO-BP산법.근거상관계수법、균생함수법급축보회귀법분별선취여마미송모충유충면적、충구밀도、유충주솔상관관계밀절적기상인자화연탁균생함수서렬작위양본적수입특정,분별건립마미송모충유충면적、충구밀도、유충주솔여기상인자화연탁균생함수서렬적PSO-BP혼합모형.결과표명:건립적각PSO-BP혼합모형,구유령인만의적의합정도화예측정도.당은함층신경원개수위13개,예보인자수위6개시,3조예류유충면적적평균예측오차위4.01%;충구밀도PSO-BP혼합모형적은층신경원개수위9개,예보인자수위4개시,예류양본적평균예측오차위3.32%;유충주솔PSO-BP혼합모형적은층신경원개수위9개,예보인자수위4개시,예류양본적평균예측오차위2.83%.상술3개지표적예측준학솔균위100%.
