小波神经网络模型的改进及其应用

被引：14

作者：

杨娜 ^{[1
,2
]}

付强 ^{[1
]}

王淑丽 ^{[2
]}

李荣东 ^{[2
]}

朱萍萍 ^{[2
]}

张少坤 ^{[1
]}

杨先野 ^{[1
]}

机构：

[1] 东北农业大学水利与建筑学院

[2] 佳木斯市水利勘测设计研究院

来源：

系统工程理论与实践 | 2009年 / 29卷 / 01期

关键词：

小波神经网络; 蚁群算法; 需水量; 参数优化;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路.

引用

页码：168 / 173

页数：6

共 7 条

[1]

农业水土资源系统分析与综合评价.[M].付强著;.中国水利水电出版社.2005,

[2]

小波分析及其应用.[M].孙延奎编著;.机械工业出版社.2005,

[3]

连续空间蚁群算法及其应用研究.[D].胡冰.广西大学.2006, 12

[4] 水稻需水量预测的小波BP网络模型 [J].

冯艳 ;

付强 ;

李国良 ;

李伟业 ;

刘仁涛 ;

冯登超 .

农业工程学报, 2007, (04) :66-69

[5] 门限自回归模型在水稻需水量预测中的应用 [J].

张焕昭 ;

韩军利 ;

唐依伟 ;

付强 .

黑龙江水专学报, 2003, (02) :15-17

[6] 蚁群算法进行连续参数优化的新途径 [J].

陈崚 ;

沈洁 ;

秦玲 .

系统工程理论与实践, 2003, (03) :48-53

[7] 井灌水稻需水量预测的人工神经网络模型研究 [J].

付强 ;

王立坤 ;

王兆菡 .

灌溉排水, 2002, (01) :29-32

← 1 →