[发明专利]设施投料预测方法和系统

权利要求书

1.一种设施投料预测方法，其特征在于，包括：

构建后向传播BP神经网络模型；

从数据库读取待预测数据和样本数据，并进行归一化处理，其中待 预测数据与设施养殖环境中的温度、质量、时间、养殖数量和单位质量 投料成本相关；

将经归一化处理的样本数据输入BP神经网络模型进行学习，以确 定BP神经网络中各层之间的连接权重参数；

将经归一化处理的待预测数据输入BP神经网络模型，以便BP神 经网络模型根据各层间的连接权重参数对经归一化处理的待预测数据 进行计算，从而得到预测投料量。

2.根据权利要求1所述的方法，其特征在于，

BP神经网络模型包括输入层、隐层和输出层，其中在隐层中，第 j个神经元节点的输入为：

Ij=Σi=1nωijxi+θj]]>

其中1≤j≤m，m为隐层中神经元节点的个数，1≤i≤n，n为输入 层中神经元节点的个数，x_i为输入层中第i个神经元节点提供的输入数 据，ω_ij为隐层中第j个神经元节点与输入层中第i个神经元节点的连接 权重，θ_j为隐层中第j个神经元节点的阈值。

3.根据权利要求2所述的方法，其特征在于，

隐层中第j个神经元节点的输出为：

O_j＝f(I_j)

其中f为传递函数。

4.根据权利要求3所述的方法，其特征在于，

传递函数为：

f(x)=11+e-x.]]>

5.根据权利要求4所述的方法，其特征在于，

输入层中的神经元节点个数n为5；

隐层中神经元节点的个数m为6；

输出层中包括一个神经元节点。

6.根据权利要求5所述的方法，其特征在于，

输出层神经元节点的输出为：

y=Σj=1mvjOj]]>

其中v_j为输出层神经元节点与隐层中第j个神经元节点的连接权 重。