云南农业大学学报
雲南農業大學學報
운남농업대학학보
JOURNAL OF YUNNAN AGRICULTURAL UNIVERSITY
2013年
4期
561-564
,共4页
邱靖%杨毅%秦西云%李昆林%陈克平
邱靖%楊毅%秦西雲%李昆林%陳剋平
구정%양의%진서운%리곤림%진극평
BP网络%QPSO算法%烟蚜%发生量%预测模型
BP網絡%QPSO算法%煙蚜%髮生量%預測模型
BP망락%QPSO산법%연아%발생량%예측모형
BP neural network (BPNN)%quantum-behaved particle swarm optimization (QPSO)%Myzus persicae%occurrence quantity%predicting model
为有效地预测烟蚜发生量,利用BP神经网络理论和方法建立了烟蚜发生量预测模型,并运用QPSO算法优化BP神经网络的连接权值和阈值,以此确定最优连接权值和阈值.应用该模型以云南省玉溪市红塔区2003-2006年的烟蚜发生量历史数据为训练样本,对2007-2009年烟蚜发生量进行预测,其预测精度为99.35％,最小完成时间30 s,平均完成时间34.5 s,运行次数19次,预测效果明显优于其他预测模型.实验表明:该模型比其他预测模型预测结果更有效可行,收敛速度更快,稳定性更强,能解决预测、聚类方面的类似问题,为烟蚜的综合防治提供了理论依据.
為有效地預測煙蚜髮生量,利用BP神經網絡理論和方法建立瞭煙蚜髮生量預測模型,併運用QPSO算法優化BP神經網絡的連接權值和閾值,以此確定最優連接權值和閾值.應用該模型以雲南省玉溪市紅塔區2003-2006年的煙蚜髮生量歷史數據為訓練樣本,對2007-2009年煙蚜髮生量進行預測,其預測精度為99.35％,最小完成時間30 s,平均完成時間34.5 s,運行次數19次,預測效果明顯優于其他預測模型.實驗錶明:該模型比其他預測模型預測結果更有效可行,收斂速度更快,穩定性更彊,能解決預測、聚類方麵的類似問題,為煙蚜的綜閤防治提供瞭理論依據.
위유효지예측연아발생량,이용BP신경망락이론화방법건립료연아발생량예측모형,병운용QPSO산법우화BP신경망락적련접권치화역치,이차학정최우련접권치화역치.응용해모형이운남성옥계시홍탑구2003-2006년적연아발생량역사수거위훈련양본,대2007-2009년연아발생량진행예측,기예측정도위99.35％,최소완성시간30 s,평균완성시간34.5 s,운행차수19차,예측효과명현우우기타예측모형.실험표명:해모형비기타예측모형예측결과경유효가행,수렴속도경쾌,은정성경강,능해결예측、취류방면적유사문제,위연아적종합방치제공료이론의거.
