混沌理论与BP网络融合的稻瘟病预测模型

被引：6

作者：

邱靖 ^{[1
]}

吴瑞武 ^{[2
]}

黄雁鸿 ^{[3
]}

杨毅 ^{[2
]}

彭莞云 ^{[4
]}

机构：

[1] 云南农业大学教务处

[2] 云南农业大学基础与信息工程学院

[3] 云南农业大学外语学院

[4] 云南农业大学植物保护学院

来源：

农业工程学报 | 2010年 / 26(S2)卷 / S2期

关键词：

混沌理论; BP算法; 神经网络; 量子粒子群优化算法; 稻瘟病预测模型;

D O I：

暂无

中图分类号：

S435.111.41 [];

学科分类号：

摘要：

为了能更有效地预测稻瘟病的发生,将混沌理论(G-P算法)与BP人工神经网络融合建立了稻瘟病预测模型,并运用QPSO算法优化BP神经网络,避免了BP算法易陷入局部极小值的缺陷。运用G-P算法对云南省凤庆县历年稻瘟病发病情况的历史数据进行了研究。研究发现最小嵌入空间维及K熵都为正数,故稻瘟病的发生具有一定的混沌特性,从而确定了模型输入层的个数。应用该模型对2001-2009年稻瘟病发生程度进行预测,并与其他预测模型进行比较。结果表明:该模型预测的准确率和收敛速度明显高于其他预测模型,且预测结果有效可行,为解决预测、分类及模式识别等问题提供了新的解决途径。

引用

页码：88 / 93

页数：6

共 16 条

[1] BP神经网络在水稻病虫害诊断中的应用研究 [J].