【摘要】：針對(duì)水產(chǎn)養(yǎng)殖產(chǎn)量預(yù)測(cè)難的現(xiàn)狀,提出一種基于啟發(fā)式Johnson算法優(yōu)化的反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)的產(chǎn)量預(yù)測(cè)模型。該模型在傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,針對(duì)網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)、易陷入局部最優(yōu)的問題,通過啟發(fā)式Johnson算法降低輸入神經(jīng)元維度,再結(jié)合試湊法確定神經(jīng)網(wǎng)絡(luò)隱層個(gè)數(shù),構(gòu)建啟發(fā)式Johnson反向傳播神經(jīng)網(wǎng)絡(luò)(HJA-BPNN)學(xué)習(xí)預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明,該模型在山東省對(duì)蝦海水養(yǎng)殖產(chǎn)量預(yù)測(cè)中,預(yù)測(cè)的均方根誤差小于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和GM(1,1),且學(xué)習(xí)效率相比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)有所提升。研究表明,該學(xué)習(xí)預(yù)測(cè)模型在大量歷史數(shù)據(jù)的模型構(gòu)造上有更大的優(yōu)勢(shì),能夠縮短建模時(shí)間,同時(shí)獲得良好的預(yù)測(cè)效果,為水產(chǎn)養(yǎng)殖產(chǎn)量預(yù)測(cè)提供了一種可行的新方法。
【作者單位】： 青島科技大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：基金項(xiàng)目:青島市創(chuàng)新創(chuàng)業(yè)領(lǐng)軍人才(15-07-03-0030)
【分類號(hào)】：S934;TP183
，

本文編號(hào)：2547840