基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量組合預(yù)測研究.pdf

1、中共中央、國務(wù)院于2015年初印發(fā)了《關(guān)于加大改革創(chuàng)新力度加快農(nóng)業(yè)現(xiàn)代化建設(shè)的若干意見》.意見指出:要不斷增強(qiáng)糧食生產(chǎn)能力.由此可以看出，糧食產(chǎn)量是衡量一個(gè)國家經(jīng)濟(jì)實(shí)力的標(biāo)準(zhǔn)之一，是保障人民群眾豐衣足食的不竭動力，是實(shí)現(xiàn)傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)過渡的重要保障.盡管我國的糧食產(chǎn)量年年穩(wěn)定增長，但我們依然面臨著很多的困難，例如:土地濫用、土地鹽堿化、天氣災(zāi)難等等，這些都是可能造成糧食減產(chǎn)的隱患因素.雖然，自古我國對于糧食危機(jī)均有相應(yīng)豐富的應(yīng)對經(jīng)驗(yàn)

2、，但相對于人口眾多、糧食消費(fèi)大、耕地資源匱乏的實(shí)際國情來說，保障農(nóng)業(yè)安全和糧食的穩(wěn)定可持續(xù)發(fā)展就成為農(nóng)業(yè)科學(xué)研究中亟待解決的問題.因此，根據(jù)研究現(xiàn)階段糧食生產(chǎn)發(fā)展的變動規(guī)律，并對其發(fā)展趨勢進(jìn)行預(yù)測，不僅可以為我國制定糧食政策與實(shí)施糧食生產(chǎn)系統(tǒng)控制提供決策依據(jù)，對保障國家糧食安全也具有重要的現(xiàn)實(shí)意義.
　　本文首先分析了人工神經(jīng)網(wǎng)絡(luò)的概念、特性、網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)方式，在此基礎(chǔ)上深入研究了BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò).

3、在實(shí)際應(yīng)用過程中，BP神經(jīng)網(wǎng)絡(luò)存在收斂速度較慢、甚至不能收斂的問題;初始連接權(quán)值、閾值和網(wǎng)絡(luò)結(jié)構(gòu)選擇具有隨機(jī)性，選取的初始點(diǎn)不一定具有全局性的問題，致使網(wǎng)絡(luò)最后迭代出的結(jié)果也不一定是全局最優(yōu)的問題.RBF神經(jīng)網(wǎng)絡(luò)存在隱含層單元通常是局部的，不能保證選擇最優(yōu)的隱層單元;隱層單元數(shù)量通常固定的，往往是通過經(jīng)驗(yàn)選擇，時(shí)間消耗大的問題.GRNN神經(jīng)網(wǎng)絡(luò)存在徑向基函數(shù)的中心和寬度、隱含層到輸出層的連接權(quán)選取對于神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力具有很大的影響

4、;且常規(guī)GRNN學(xué)習(xí)規(guī)則很容易使結(jié)果收斂到局部最小，甚至根本不收斂的問題.遺傳算法是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法，是一種高效、并行、全局搜索的方法，它能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并自適應(yīng)地控制搜索過程以求得最優(yōu)解.本文引入遺傳算法對BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和GRNN神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，將優(yōu)化后的GA-BP、GA-RBF和GA-GRNN網(wǎng)絡(luò)用來預(yù)測糧食產(chǎn)量，以提高各單項(xiàng)模型的預(yù)測性能.

5、>　　傳統(tǒng)的組合預(yù)測方法是按照單項(xiàng)預(yù)測方法的不同而賦予不同的加權(quán)平均系數(shù)，同一個(gè)單項(xiàng)預(yù)測方法在樣本區(qū)間上各個(gè)時(shí)點(diǎn)的加權(quán)平均系數(shù)是不變的.然而實(shí)際上，就同一個(gè)單項(xiàng)預(yù)測方法而言，它在不同時(shí)刻的表現(xiàn)可能不相同，即在某個(gè)時(shí)點(diǎn)上預(yù)測精度較高，而在另一時(shí)點(diǎn)上預(yù)測精度較低.因此現(xiàn)有的組合預(yù)測方法存在與現(xiàn)實(shí)不符的缺陷.基于IOWA算子的組合預(yù)測模型，通過引進(jìn)IOWA算子，對每個(gè)單項(xiàng)預(yù)測方法在樣本區(qū)間上各個(gè)時(shí)點(diǎn)的擬合精度的高低按順序賦權(quán)，以誤差平方和為準(zhǔn)

6、則建立組合預(yù)測模型，因此，本文采用基于IOWA算子的組合預(yù)測模型將GA-BP、GA-RBF、GA-GRNN單項(xiàng)預(yù)測模型的結(jié)果融合，進(jìn)一步提高預(yù)測精度.實(shí)驗(yàn)結(jié)果表明，采用本文方法可以有效提高糧食產(chǎn)量的預(yù)測精度.
　　此外，本文在分析比較C＃和MATLAB混合編程的幾種方法的優(yōu)缺點(diǎn)，利用C＃作為前端開發(fā)環(huán)境，設(shè)計(jì)系統(tǒng)界面，并顯示和輸出結(jié)果;而采用MATLAB R2010a作為后端計(jì)算和圖形繪制工具進(jìn)行設(shè)計(jì)與開發(fā)，開發(fā)了糧食產(chǎn)量預(yù)測系統(tǒng)