[发明专利]基于神经元网络的农作物预测方法与装置

摘要

本公开涉及一种基于神经元网络的农作物预测方法与装置。该方法包括建立神经元网络模型；设置样本函数学习参数；初始化连接权值、与隐层中各节点的激励阈值；根据样本函数和神经元网络模型计算神经元网络的输出误差；根据计算出的输出误差与所设置的样本函数学习参数判断学习过程是否结束；如果未结束，则修正连接权值与隐层中各节点的激励阈值，并继续计算神经元网络的输出误差，直至满足根据样本函数学习参数所设置的结束条件；如果结束，则输出对样本函数的学习结果，并根据学习结果对农作物的产量进行预测。本公开可以使预测的结果更能够反映农作物产量的真实情况。

主权项

一种基于神经元网络的农作物预测方法，其特征在于，包括：根据影响农作物产量的生长因素、神经元网络输入层到神经元网络隐层的连接权值、神经元网络隐层到神经元网络输出层的连接权值、神经元网络隐层中各节点的激励阈值、输出神经元的激励阈值、过程神经元激励函数以及输出神经元激励函数建立神经元网络模型；设置样本函数学习参数；初始化神经元网络输入层到神经元网络隐层的连接权值、神经元网络隐层到神经元网络输出层的连接权值以及神经元网络隐层中各节点的激励阈值；根据样本函数和所建立的神经元网络模型计算神经元网络的输出误差；根据计算出的输出误差与所设置的样本函数学习参数判断学习过程是否结束；如果未结束，则修正神经元网络输入层到神经元网络隐层的连接权值、神经元网络隐层到神经元网络输出层的连接权值以及神经元网络隐层中各节点的激励阈值，并继续计算神经元网络的输出误差，直至满足根据样本函数学习参数所设置的结束条件；如果结束，则输出对样本函数的学习结果，并根据学习结果对农作物的产量进行预测。