【摘要】：針對水產(chǎn)養(yǎng)殖產(chǎn)量預測難的現(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(BPNN)的產(chǎn)量預測模型。該模型在傳統(tǒng)BP神經(jīng)網(wǎng)絡的基礎上,針對網(wǎng)絡訓練時間長、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,再結合試湊法確定神經(jīng)網(wǎng)絡隱層個數(shù),構建啟發(fā)式Johnson反向傳播神經(jīng)網(wǎng)絡(HJA-BPNN)學習預測模型。實驗結果表明,該模型在山東省對蝦海水養(yǎng)殖產(chǎn)量預測中,預測的均方根誤差小于傳統(tǒng)BP神經(jīng)網(wǎng)絡和GM(1,1),且學習效率相比傳統(tǒng)BP神經(jīng)網(wǎng)絡有所提升。研究表明,該學習預測模型在大量歷史數(shù)據(jù)的模型構造上有更大的優(yōu)勢,能夠縮短建模時間,同時獲得良好的預測效果,為水產(chǎn)養(yǎng)殖產(chǎn)量預測提供了一種可行的新方法。
【作者單位】： 青島科技大學信息科學與技術學院;
【基金】：基金項目:青島市創(chuàng)新創(chuàng)業(yè)領軍人才(15-07-03-0030)
【分類號】：S934;TP183
，

本文編號：2547840