期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进BP神经网络与支持向量机的土壤墒情预测方法研究 被引量：9
1
作者 薛明 韦波 +3 位作者 李娟 陈慈豪 黄敏慧 邹林芯 《土壤通报》 CAS CSCD 北大核心 2021年第4期793-800,共8页
为提高土壤墒情预测精度,提出了一种基于遗传算法(GA)、改进粒子群算法(IPSO)、误差反向传播(BP)神经网络和支持向量机(SVM)的土壤墒情组合预测模型(GAIPSOBP-SVM)。该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GAIPSOBP... 为提高土壤墒情预测精度,提出了一种基于遗传算法(GA)、改进粒子群算法(IPSO)、误差反向传播(BP)神经网络和支持向量机(SVM)的土壤墒情组合预测模型(GAIPSOBP-SVM)。该模型首先在BP神经网络的权阈值选择中同时引入GA和IPSO构成GAIPSOBP模型,然后对GAIPSOBP和SVM模型分别进行训练和数据仿真,最后利用建立的加权模型对GAIPSOBP和SVM模型的土壤墒情预测结果进行组合。以安庆市8个监测站某时段内农田土壤墒情数据为例,分别按隔日、两日后和三日后三种时间跨度进行土壤墒情预测,并对照BP、GA-BP、PSO-BP、IPSO-BP、GAIPSOBP和SVM模型,验证和比较提出的GAIPSOBP-SVM模型的土壤墒情预测精度。结果表明,GAIPSOBP-SVM模型的土壤含水量预测相对误差平均值最小。GAIPSOBP与SVM模型组合的GAIPSOBP-SVM模型提高了土壤墒情的预测精度,更适合于土壤墒情的短期预测,该方法可为农业节水灌溉方案的制定提供技术支撑。 展开更多
关键词 误差反向传播神经网络 遗传算法 改进粒子群算法 支持向量机 组合预测模型 土壤墒情预测
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部