节水灌溉
節水灌溉
절수관개
WATER SAVING IRRIGATION
2006年
6期
55-57
,共3页
水稻%神经网络模型%时间序列%产量预测
水稻%神經網絡模型%時間序列%產量預測
수도%신경망락모형%시간서렬%산량예측
建立了基于时间序列的动态系统前馈神经网络(DBP)模型,并将该模型用于不同水肥处理条件下水稻产量的预测.该模型克服了传统静态BP模型以某个生育阶段的影响因子的过程值或最终值来建立网络结构的局限性,可以充分利用水稻生长过程中大量的动态采样数据,以便提高模型预测精度.与修正Morgan模型相比,则不需要建立具体的水分生产函数模型,适应性更强.检验表明,DBP模型预测精度较高.同时数据比较表明,DBP模型与传统BP模型及水肥综合修正Morgan模型在水稻产量预测精度方面没有本质差异.
建立瞭基于時間序列的動態繫統前饋神經網絡(DBP)模型,併將該模型用于不同水肥處理條件下水稻產量的預測.該模型剋服瞭傳統靜態BP模型以某箇生育階段的影響因子的過程值或最終值來建立網絡結構的跼限性,可以充分利用水稻生長過程中大量的動態採樣數據,以便提高模型預測精度.與脩正Morgan模型相比,則不需要建立具體的水分生產函數模型,適應性更彊.檢驗錶明,DBP模型預測精度較高.同時數據比較錶明,DBP模型與傳統BP模型及水肥綜閤脩正Morgan模型在水稻產量預測精度方麵沒有本質差異.
건립료기우시간서렬적동태계통전궤신경망락(DBP)모형,병장해모형용우불동수비처리조건하수도산량적예측.해모형극복료전통정태BP모형이모개생육계단적영향인자적과정치혹최종치래건립망락결구적국한성,가이충분이용수도생장과정중대량적동태채양수거,이편제고모형예측정도.여수정Morgan모형상비,칙불수요건립구체적수분생산함수모형,괄응성경강.검험표명,DBP모형예측정도교고.동시수거비교표명,DBP모형여전통BP모형급수비종합수정Morgan모형재수도산량예측정도방면몰유본질차이.
