基于PSO-BP神经网络的参考作物蒸腾量预测
Reference Crop Evapotranspiration Prediction Based on PSO-BP Neural Network作者机构：西安建筑科技大学环境与市政工程学院西安710055
出 版 物：《节水灌溉》 (Water Saving Irrigation)
年 卷 期：2014年第11期
页 面：87-90,95页
学科分类：08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
摘 要：针对以往BP神经网络收敛速度慢及易陷于局部极小值等问题,引入粒子群算法优化BP网络的权值和阈值,建立PSO-BP神经网络,预测参考作物蒸腾量ET0。以西安地区的相关资料为基础,设计9种影响因子组合方案,利用PSO-BP网络模型进行ET0的预测,结果表明,该模型运算速度快,预测精度较高;对比分析9种方案的预测结果发现,方案7为最优,该方案只需选用平均温度、平均相对湿度、风速和日照时数四项影响因子,即可获得较高精度的参考作物蒸腾量预测值。
维普期刊数据库
同方期刊数据库