基于RBF神经网络与BP神经网络的核桃作物需水量预测

被引：10

作者：

刘婧然 ^{[1
]}

马英杰 ^{[2
]}

王喆 ^{[3
]}

马保国 ^{[1
]}

机构：

[1] 河北工程大学水电学院

[2] 新疆农业大学

[3] 河北医科大学

来源：

节水灌溉 | 2013年 / 03期

关键词：

预测; RBF神经网络; BP神经网络; 作物需水量;

D O I：

暂无

中图分类号：

S664.1 [核桃（胡桃）]; TP183 [人工神经网络与计算];

学科分类号：

090201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型。两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析。RBF神经网络预测作物需水量的绝对误差平均值为0.254 7mm/d、相对误差平均值为5.47%,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97%,由此可见,RBF网络预测的精度比BP网络高。并且,通过程序记时显示RBF网络训练用时0.063 0s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一。

引用

页码：16 / 19+23 +23

页数：5

共 11 条

[1] 叶温测量仪的研制及其在叶片参数测量中的应用 [J].