基于BP神经网络的农作物虫情预测预报及其MATLAB实现

农作物主要害虫常年对作物造成严重危害，使农业经济遭到损失。预测害虫未来的发生动态，可以使治虫工作得以有目的、有计划、有重点的进行。害虫的预测预报工作是进行害虫综合防治的必要前提。只有对害虫发生危害的预测预报做到及时、准确，才能正确的拟定综合防治计划，及时采取必要的措施，经济有效的压低害虫的发生数量，保证农业的高产、稳产。 发生量预测就是预测害虫的发生数量，害虫发生量的预测是决定防治区域、防治田块面积及防治次数的依据。但其总的研究进展仍远远落后于发生期的预测。这是由于影响害虫发生量的因素较多及其不确定性所致。因而采用三层BP网络对虫害发生量进行预测可以有效的刻画其具有的不确定、多输入、复杂的非线性特征。 人工神经网络是一类模拟人类神经系统的结构，他揭示数据样本中蕴含的非线性关系，大量处理单元组成非线性自适应动态系统，具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力，在不同程度和层次上可模仿大脑的信息处理机理，可灵活方便的对多成因的复杂未知系数进行建模。特别是BP网络近年来广泛应用于模式识别、预测评估等领域，并取得良好的效果。目前BP网络采用误差逆传播算法学习训练神经网络，该算法是基于网络误差函数梯度下降的。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足，本文采用了自适应的学习速率和附加动量法。 然而，BP网络的模型的实现需要掌握计算机编程语言及较高的编程能力，这在一定程度上不利于神经网络技术的推广和使用。而MATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox,简称NNT)，为解决这个难题提供了便利条件。本文在简要介绍了BP神经网络基本原理及其算法的基础上，详细介绍了利用MATLAB神经网络工具箱进行BP网络模型建立、训练、仿真的编程方法。同时，为了弥补MATLAB在人机交互性能上的欠缺，建立MATLAB与DELPHI之间的应用程序接口，将DELPHI灵活强大的编程能力、MATLAB强大的科学计算能力相结合。 本文主要利用神经网络理论，基于MATLAB的神经网络工具箱建立了虫害发生量预 报预测的BP神经网络预测系统，确定了发生量与自然因素之间的联系。并通过对安徽 省庐江县田间水稻虫情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测 的可行性，具有很好的应用价值。