作者：庄星; 韩飞粮食产量预测bp神经网络粒子群人工蜂群混合群智能
摘要：针对前馈神经网络预测粮食产量的方法易陷入局部最优的问题,提出一种基于粒子群算法和人工蜂群算法的改进BP神经网络模型.利用粒子群优化算法和人工蜂群算法在全局搜索能力上的不同优势,结合两者对BP神经网络的权值和阈值进一步优化,以提升粮食产量预测模型的准确性与鲁棒性.给出基于粒子群和人工蜂群混合的ABPSO算法的具体实现,并选择1979年至2012年我国粮食的产量及影响其产量的8项因素作为数据集进行试验.结果表明:改进的BP神经网络能够较好地预测国内近几年的粮食产量变化趋势;相比未优化的BP模型,新算法预测误差平均值由847780t降低至240320t,误差范围由1894200t降低至586800t.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《江苏大学学报·社会科学版》（CN：32-1655/C）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《江苏大学学报·社会科学版》国内外公开发行的哲学、社会科学类学术理论期刊，主要刊登政治学、哲学、经济学、管理学、历史、文学、艺术、语言学等学科的研究成果，辟有“生态精神与美学、文艺学研究”、“辽金元文学文化研究”、“中国当代史研究”、“赛珍珠专题研究”、“词汇语义学论坛”等专栏。
杂志详情
