科创中国
一种基于人工蜂群优化BP神经网络的玉米产量预测方法
成果类型：: 新技术
发布时间: 2023-11-03 15:03:05
科技成果产业化落地方案
方案提交机构：成果发布人| 王晓雯 | 2023-11-03 15:03:05
本发明公开了一种基于人工蜂群优化BP神经网络的玉米产量预测方法。步骤1：将数据导入BP神经网络，并对样本进行归一化处理；步骤2：构建BP神经网络的网络结构；步骤3：初始化人工蜂群用到的相关参数；步骤4：计算种群的初始值；步骤5：通过目标函数计算出初始的食物源，找到食物源中的最小值，将其保存在全局最小值中；步骤6：雇佣蜂搜索食物源阶段；步骤7：观察蜂选择食物源阶段；步骤8：侦察蜂淘汰食物源阶段；步骤9：人工蜂群算法结束，进入BP神经网络阶段，获取最优数值阈值；步骤10：完成玉米产量的预测。本发明解决在实际玉米产量预测中人工蜂群算法，最优值的寻优技术依旧不够精确问题。
1.一种基于人工蜂群优化BP神经网络的玉米产量预测方法，其特征在于，所述预测方法包括以下步骤：步骤1：导入BP神经网络训练及预测所需要的玉米产量输入样本数据，并对玉米产量样本数据进行归一化处理；步骤2：构建BP神经网络的网络结构，并初始化BP神经网络的数值阈值；步骤3：确定参数集，初始化人工蜂群用到的相关参数；步骤4：通过Tent映射初始化种群，计算种群的初始值；步骤5：通过目标函数计算出初始的食物源，将BP神经网络训练得到的误差作为适应度函数计算雇佣蜂的适应度值，并找到食物源中的最小值，将其保存在全局最小值中；步骤6：将计算得到的食物源数组赋值给新食物源数组，并通过非线性公式、贪婪选择策略以及轮盘赌计算选择概率p(xi)；步骤7：利用轮盘赌计算得到的选择概率p(xi)选择雇佣峰搜索到的食物源，将得到的最小值与全局最小值相比较，并将两者中更小的数作为新的全局最小值；步骤8：利用初始化阶段设置的参数limit，判断在limit次的循环内食物源是否得到改善，若食物源得到改善，则继续运行，否则重新更新雇佣峰的位置；步骤9：判断人工蜂群算法是否结束，若未结束，则跳转到步骤6继续执行循环，若结束，则进入BP神经网络阶段，获取最优数值阈值；步骤10：在获取最优数值阈值后，计算BP神经网络训练得到的误差，并计算更新阈值，判断该阈值是否满足终止条件，若满足则进行仿真分类识别，将BP预测得到的玉米产量数据同真实的玉米产量数据进行对比，并输出对比图和相对误差；若不满足则继续执行步骤10，直至满足终止条件，至此，完成玉米产量的预测。
将计算得到的食物源数组赋值给新食物源数组，并通过非线性公式、贪婪选择策略以及轮盘赌计算选择概率p(xi)；步骤7：利用轮盘赌计算得到的选择概率p(xi)选择雇佣峰搜索到的食物源。可以广泛适用于玉米产量预测等相关领域行业。
黑龙江大学有博士后科研流动站7个，博士后科研工作站3个。有博士学位授权一级学科10个，硕士学位授权一级学科35个，硕士专业学位类别18个。有国家重点学科1个，国家重点（培育）学科1个；有国家级一流本科专业建设点33个、国家级特色专业10个、国家级一流本科课程（含精品在线开放课程）15门、省级重点学科群1个、省级重点一级学科12个，省级“双一流”国际一流建设学科1个，省级“双一流”国内一流建设学科5个。
本发明解决在实际玉米产量预测中人工蜂群算法，最优值的寻优技术依旧不够精确问题。可以有效降低成本，提高效率，具有环保、安全等优势。
本项目可以采用技术转让、技术合作等多种形式进行对接，欢迎有需求的企业单位联系洽谈。
下载app