基于粒子群算法及RBF神經(jīng)網(wǎng)絡(luò)技術(shù)的糧食產(chǎn)量預(yù)測方法.pdf

1、糧食生產(chǎn)代表著一個國家經(jīng)濟(jì)實(shí)力的強(qiáng)弱，對一個國家的發(fā)展至關(guān)重要。糧食生產(chǎn)與人類的生產(chǎn)生活息息相關(guān)，給人類的生存發(fā)展提供充足的物質(zhì)保障，而且，糧食也是人民生存的必需品，對一個國家的前途命運(yùn)有著重要的影響。目前，仍然有許多國家存在著糧食問題，糧食問題依舊是人類面臨的最嚴(yán)峻的問題之一，引起了世界各國的廣泛關(guān)注。眾所周知，我國是一個農(nóng)業(yè)大國，但同時也是一個土地資源相對匱乏的國家，所以確保穩(wěn)定的糧食安全對穩(wěn)定我國的發(fā)展有著深遠(yuǎn)的影響。因此，科學(xué)預(yù)

2、測農(nóng)業(yè)糧食生產(chǎn)發(fā)展是一項(xiàng)十分重要的舉措。本文主要研究了用粒子群算法來改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)，使其預(yù)測速率更快，預(yù)測的精度更高，不易呈現(xiàn)局部最優(yōu)。通過在粒子群算法中加入局部搜索算子來不斷的更新粒子的位置和速度，使其在全局的搜索范圍內(nèi)具有最優(yōu)的適應(yīng)值參數(shù)，運(yùn)用粒子群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)，可以使RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)最優(yōu)，從而最后預(yù)測出的糧食產(chǎn)量與實(shí)際值更接近。
　　首先，對粒子群算法的原理和過程進(jìn)行了闡述，然后通過對粒子群算法的分析

3、便可以得到隨機(jī)初始化粒子群，在初始化粒子群的條件下，對樣本產(chǎn)量進(jìn)行不斷的迭代，即可得到最優(yōu)解。然后用優(yōu)化后的粒子群算法處理RBF神經(jīng)網(wǎng)絡(luò)參數(shù)，對糧食產(chǎn)量的樣本進(jìn)行歸一化處理，對RBF神經(jīng)網(wǎng)絡(luò)構(gòu)成進(jìn)行初始化，為參數(shù)wi，ci，σi賦隨機(jī)的初值用來初始化粒子群位置、速率和范圍，從而可以得到最優(yōu)的粒子群模型，達(dá)到了本文所滿足的目的。
　　然后，介紹了RBF神經(jīng)網(wǎng)絡(luò)模型。首先介紹了RBF神經(jīng)網(wǎng)絡(luò)模型的原理，并對原理進(jìn)行了分析，介紹了RBF

4、神經(jīng)網(wǎng)絡(luò)的來源，以及特點(diǎn)，并簡單介紹了RBF神經(jīng)網(wǎng)絡(luò)的常見的應(yīng)用，RBF神經(jīng)網(wǎng)絡(luò)因其獨(dú)特的優(yōu)點(diǎn)而在生活中使用的越來越普遍。通過對RBF神經(jīng)網(wǎng)絡(luò)模型的分析，對糧食產(chǎn)量建立了預(yù)測模型，然后對RBF神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行優(yōu)化，使用粒子群算法來優(yōu)化參數(shù)，建立預(yù)測效果良好的產(chǎn)量預(yù)測模型，根據(jù)糧食產(chǎn)量的樣本，預(yù)測出未來幾年的糧食產(chǎn)量，與實(shí)際產(chǎn)量進(jìn)行對比，并做誤差分析，可以得出結(jié)論使用粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，建立糧食產(chǎn)量預(yù)測模型，預(yù)測出的結(jié)果與實(shí)際值