[发明专利]一种基于粒子群优化BP神经网络的甜菜产量预测方法

权利要求书

1.一种基于粒子群优化BP神经网络的甜菜产量预测方法，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甜菜产量输入样本数据，并对甜菜产量样本进行归一化处理；

步骤2：构建BP神经网络的网络结构，并决定神经网络的结构特征；

步骤3：初始化BP神经网络数值阈值；

步骤4：初始化粒子群算法的相关参数，确定粒子群的自适应惯性权重w以及进化次数参数；

步骤5：设置适应度函数，通过将BP神经网络训练得到的误差作为适应度函数计算的适应度值；

步骤6：判断是否达到初始化设置的终止条件，若达到终止条件，则获取最优数值的阈值，否则继续执行步骤5；

步骤7：在获取最优数值的阈值后，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预测得到的甜菜产量数据同真实的甜菜产量数据进行对比，并输出对比图和相对误差；若不满足则继续执行步骤7，直至满足终止条件，至此，完成甜菜产量优化预测。

2.根据权利要求1所述一种基于粒子群优化BP神经网络的甜菜产量预测方法，其特征在于，所述步骤1具体包括，所述样本分为输入样本与输出样本，其中输入样本包括空气温度、空气湿度、土壤温度、土壤湿度、光照强度及二氧化碳含量，输出样本为甜菜产量。

3.根据权利要求1所述一种基于粒子群优化BP神经网络的甜菜产量预测方法，其特征在于，所述步骤3中的初始化BP神经网络数值阈值为设置粒子群算法的系统系数以及进化次数和种群规模；设置种群的速度阈值和种群阈值，根据设置的阈值进行后面粒子群的相关运算；确定粒子群的自适应惯性权重w。

4.根据权利要求1所述一种基于粒子群优化BP神经网络的甜菜产量预测方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1：计算BP神经网络的权重矩阵W1和W2以及相关阈值B1和B2；

步骤4.2：网络权值赋值，对net结构体进行赋值，并保存相关的矩阵；

步骤4.3：用训练好的BP神经网络预测函数输出，并计算误差。

5.根据权利要求2所述一种基于粒子群优化BP神经网络的甜菜产量预测方法，其特征在于，所述步骤5包括以下步骤：

步骤5.1：计算每个粒子的适应度值，并通过适应度值计算个体和群体最优值；

步骤5.2：通过引入自适应惯性权重和逃逸策略优化粒子群算法，达到及时跳出局部极值的目的。