首页 > 分享 > 基于改进型神经网络的植物病虫害预警模型的构建.pdf 全文

基于改进型神经网络的植物病虫害预警模型的构建.pdf 全文

花匠小妙招
2024-10-02 20:24

基于改进型神经网络的植物病虫害预警模型的构建.pdf

安徽农业科学，JournalofAnhuiAgri，Sci，2010，38(1)：538—540 责任编辑陈秀晨责任校对傅真治基于改进型神经网络的植物病虫害预警模型的构建曹志勇，邱靖，曹志娟，杨毅 (1．云南农业大学基础与信息工程学院，云南昆明650201；2．云南财经大学信息学院，云南昆明650221) 摘要通过对植物病虫害预警模型相关原理和方法的研究，并结合粒子群算法对后向传播神经网络进行参数优选，构建了基于粒子群和神经网络混合算法的植物病虫害纽合预警模型。测试结果表明预警模型的构建有效且可行，为构建有效的预警平台应用提供了可行的模型结构。关键词后向传播神经网络；粒子群算法；植物病虫害；预警模型中图分类号 S126 文献标识码 A 文章编号 0517—6611(2010)01—00538—03 ConstructionoftheEarly．warningModelforPlantDiseasesBasedonImprovingNeuralNetwork CAOZhi-yongetal (CollegeofhffonnationEngineering，YunnanAgricultureUniversity，Yunnan，Kunming650201) Abstract Bystudyingprinciplesandmethodsrelatedtoearly—warningmodelofplantdiseasesandusingPSOmethod，parameteroptimization wasconductedtobackwardpropagationneuralnetwork，andapre—warningmodelforplantdiseasesbasedonparticleswarm andneuralnet— workalgorithm wasestablished．Thetestresultsshowedthattheconstructionofearly—warningmodeliseffectiveandfeasible，whichwillpro— videaviablemodelsturcturetoestablishtheeffectiveearly—warningplatform． Keywords Backwardpropagationneuralnetwork；Particleswarinalgorithm ；Plantdiseases；Earlywarningmodel 我国幅员辽阔，特殊的地理和气候条件，每年自然灾害络，该网络是典型的多层网络。它有一个输入层，一个输出频发。植物病虫害也是主要的自然灾害，会直接危害农作层，至少一个隐含层，信息从输入层神经元经隐含层向输出物，并影响农业生产。水稻产量占我国粮食总产量的43％，层神经元传递。BP神经网络主要思想是把学习过程分为2 种植面积占26％，是重要的粮食作物。稻瘟病对水稻产个阶段：第 1阶段(正向传播过程)，给出输入信息通过输入量、对我国国民经济、尤其是对农业生产有着直接影响。开层经隐含层逐层处理并计算每个单元的实际输出值；第2阶展稻瘟病的准确测报，及时有效地指导综合防治，仍是目前段(反向传播过程)，若在输出层未能得到期望的输出值，则农业生产中亟需解决的问题。目前，农作物病虫害的预测，逐层递归地计算实际输出与期望输出之差值 (即误差)，以便主要使用地理信息系统，并结合有害生物、温度、湿度等气根据此误差调节权值。误差反向传播算法的性能函数是均象条件构建病虫害预警预测系统。传统的预测方法实质上方误差。神经网络学习的目的就是对某一输入样本产生一是凭借专家经验进行逻辑推理，或借助采用线性模型构建预个能满足预期的输出，要达到这一目的，就必须不断地修改警模型，预报效果并不理想。笔者利用粒子群算法(Particle 各层间的连接权和阈值。 SwarmOptimizer，PSO)对经验参数的依赖较少收敛速度快的 1．3 改进型神经网络算法 BP神经网络预测模型是利用特点、对神经网络参数进行训练的实现后向传播 (BackProp— BP神经网络的自适应和自学习能力，对数据