專利名稱：基于bp人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能預(yù)測技術(shù)領(lǐng)域，具體地說是涉及一種基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法。
背景技術(shù)：
近年來，隨著現(xiàn)代計算智能技術(shù)的發(fā)展，利用BP人工神經(jīng)網(wǎng)絡(luò)建立農(nóng)業(yè)預(yù)測模型已取得了較好的預(yù)測效果，例如有文章報道，其題目為“BP人工神經(jīng)網(wǎng)絡(luò)在家蠶雜交組合預(yù)測中的應(yīng)用初探”(該文作者是何克榮柳新菊祝新榮，發(fā)表于2010年出版的《蠶桑通報》第41卷第3期第沈-觀頁)，該文公開了一種利用BP人工神經(jīng)網(wǎng)絡(luò)建立家蠶雜種一代的6個經(jīng)濟(jì)性狀的預(yù)測模型的方法；和文章“基于BP神經(jīng)網(wǎng)絡(luò)的果蔬熱導(dǎo)率預(yù)測模型” (該文作者是張敏，鐘志友，楊樂，等，發(fā)表于2010年出版的《農(nóng)業(yè)機(jī)械學(xué)報》第41卷第10 期第117-121頁)，該文公開了根據(jù)果蔬熱導(dǎo)率與可溶性固形物含量、含水率、密度和硬度等因素的變化關(guān)系，建立一種基于BP神經(jīng)網(wǎng)絡(luò)的果蔬熱導(dǎo)率預(yù)測模型的方法；以及文章“稻縱卷葉螟發(fā)生程度的神經(jīng)網(wǎng)絡(luò)預(yù)警”(該文作者是汪四水，張孝羲，張夕林，發(fā)表于2003 年出版的《生物數(shù)學(xué)學(xué)報》第18卷第1期第93-97頁)，該文公開了一種利用BP人工神經(jīng)網(wǎng)絡(luò)原理，結(jié)合500pb西太平洋副熱帶高壓和江蘇省通州市稻縱卷葉螟發(fā)生程度的數(shù)據(jù)， 建立稻縱卷葉螟發(fā)生程度預(yù)警模型的方法。已有利用BP人工神經(jīng)網(wǎng)絡(luò)建立的農(nóng)業(yè)預(yù)測模型存在的不足(1)在農(nóng)業(yè)數(shù)據(jù)采集過程中存在大量由于人為、設(shè)備、儀器儀表精度限制等原因?qū)е碌恼`差，現(xiàn)有預(yù)測方法對這些誤差一般都忽略不計，從而極大的影響了預(yù)測模型的穩(wěn)定性和準(zhǔn)確性。(2)利用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時，存在著輸入因子少時，導(dǎo)致其預(yù)測準(zhǔn)確性低；輸入因子多時，BP人工神經(jīng)網(wǎng)絡(luò)運(yùn)算量大、導(dǎo)致其預(yù)測結(jié)果得不到收斂。目前基于BP人工神經(jīng)網(wǎng)絡(luò)建立的預(yù)測方法，很難有效地解決這一矛盾。

發(fā)明內(nèi)容
鑒于以上所述現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明的目的是提供一種基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法，該方法能在原始數(shù)據(jù)信息不丟失的情況，降低預(yù)測的影響因子維數(shù)，減少運(yùn)算量，提高預(yù)測精度。為了達(dá)到上述目的，本發(fā)明的構(gòu)思如下首先，利用灰色關(guān)聯(lián)分析法對待預(yù)測的農(nóng)作物害蟲過去的發(fā)生量和影響害蟲發(fā)生的影響因子的原始數(shù)據(jù)進(jìn)行關(guān)聯(lián)度計算，剔除掉差異較大的數(shù)據(jù)；其次，對灰色關(guān)聯(lián)分析法處理后的數(shù)據(jù)進(jìn)行主成分分析，計算影響害蟲發(fā)生的影響因子的累計貢獻(xiàn)率；最后，利用BP人工神經(jīng)網(wǎng)絡(luò)對農(nóng)作物害蟲發(fā)生量進(jìn)行預(yù)測，得到預(yù)測結(jié)果。根據(jù)上述的發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案
本發(fā)明的基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法，具體步驟如下 (1)、采集整理待預(yù)測的農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)和影響農(nóng)作物害蟲發(fā)生的影響因子的原始數(shù)據(jù)；(2)、利用灰色關(guān)聯(lián)度分析方法，計算原始數(shù)據(jù)之間的關(guān)聯(lián)度，剔除差異較大數(shù)據(jù)；
(3)、對灰色關(guān)聯(lián)分析法處理后的數(shù)據(jù)主成分分析，計算影響農(nóng)作物害蟲發(fā)生的影響因子的累計貢獻(xiàn)率；
(4)、利用BP人工神經(jīng)網(wǎng)絡(luò)，對農(nóng)作物害蟲發(fā)生量進(jìn)行預(yù)測。 上述步驟(2)中所述的利用灰色關(guān)聯(lián)度分析方法，計算農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)之間的關(guān)聯(lián)度，剔除差異較大數(shù)據(jù)，其操作步驟如下
(21)、對農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除各數(shù)據(jù)間的量綱關(guān)系，使數(shù)據(jù)一致，
對農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將各指標(biāo)的屬性值統(tǒng)一到 (_1，1)范圍內(nèi)，計算式如下
權(quán)利要求
1.一種基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法，其特征在于首先，利用灰色關(guān)聯(lián)分析法對待預(yù)測的農(nóng)作物害蟲過去的發(fā)生量和影響害蟲發(fā)生的影響因子的原始數(shù)據(jù)進(jìn)行關(guān)聯(lián)度計算，剔除掉差異較大的數(shù)據(jù)；其次，對灰色關(guān)聯(lián)分析法處理后的數(shù)據(jù)進(jìn)行主成分分析，計算影響害蟲發(fā)生的影響因子的累計貢獻(xiàn)率；最后，利用BP人工神經(jīng)網(wǎng)絡(luò)對農(nóng)作物害蟲發(fā)生量進(jìn)行預(yù)測，得到預(yù)測結(jié)果，具體步驟如下(1)、采集整理待預(yù)測的農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)和影響農(nóng)作物害蟲發(fā)生的影響因子的原始數(shù)據(jù)；(2)、利用灰色關(guān)聯(lián)度分析方法，計算原始數(shù)據(jù)之間的關(guān)聯(lián)度，剔除差異較大數(shù)據(jù)；(3)、對灰色關(guān)聯(lián)分析法處理后的數(shù)據(jù)主成分分析，計算影響農(nóng)作物害蟲發(fā)生的影響因子的累計貢獻(xiàn)率；(4)、利用BP人工神經(jīng)網(wǎng)絡(luò)，對農(nóng)作物害蟲發(fā)生量進(jìn)行預(yù)測。
2.根據(jù)權(quán)利要求1所述的基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法，其特征在于，上述步驟O)中所述的利用灰色關(guān)聯(lián)度分析方法，計算原始數(shù)據(jù)之間的關(guān)聯(lián)度，剔除差異較大數(shù)據(jù)，其操作步驟如下(21)、對農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除各數(shù)據(jù)間的量綱關(guān)系，使數(shù)據(jù)一致，對農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，將各指標(biāo)的屬性值統(tǒng)一到 (_1，1)范圍內(nèi)，計算式如下其中，.是標(biāo)準(zhǔn)化矩陣的第i行第j列的數(shù)值，J!|是參與標(biāo)準(zhǔn)化矩陣的第i行第j列的數(shù)值，；是參與標(biāo)準(zhǔn)化矩陣的第i列的平均值(22)、計算一級絕對差矩陣計算一級絕對差矩陣，其計算式為=| X卿—式⑷I其中，是絕對差矩陣,Iow是標(biāo)準(zhǔn)化矩陣的參照向量第k個值，Itljy是標(biāo)準(zhǔn)化矩陣第i個向量的第k個值；(23)、計算關(guān)聯(lián)度系數(shù)矩陣根據(jù)步驟(22)計算得到的絕對差矩陣Aiw ,計算關(guān)聯(lián)度系數(shù)矩陣Gw ,其計算式為mjn η皿 Δ叫+pmax max Δ明一 i_λ_‘_j_fc_^im - ； ^m +Pmas max Aim其中，Ciw是關(guān)聯(lián)度系數(shù)矩陣，Ai(Aj是絕對差矩陣， f ^fiw是二級最小差，，，- 是二級最大差，P是分辨系數(shù)，Pe
, 一般取ρ=0.05 ;(M)、計算灰色關(guān)聯(lián)度根據(jù)步驟(23)計算得到農(nóng)作物害蟲過去的發(fā)生量的原始數(shù)據(jù)之間的關(guān)聯(lián)度系數(shù)矩陣 Cm ,計算出灰色關(guān)聯(lián)度其計算式為
3、根據(jù)權(quán)利要求1所述的基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā) 生量的預(yù)測方法，其特征在于，上述步驟(3)中所述的對灰色關(guān)聯(lián)分析法處理后的數(shù)據(jù)主成分分析，計算影響農(nóng)作物害蟲發(fā)生的影響因子的累計貢獻(xiàn)率，其操作步驟如下(31)、對影響農(nóng)作物害蟲發(fā)生的影響因子進(jìn)行標(biāo)準(zhǔn)化處理，消除各數(shù)據(jù)間的量綱關(guān)系， 使數(shù)據(jù)一致，影響因子的標(biāo)準(zhǔn)化處理，計算式為
4、根據(jù)權(quán)利要求1所述的基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法，其特征在于，上述步驟(4)中所述的利用BP人工神經(jīng)網(wǎng)絡(luò)，對農(nóng)作物害蟲發(fā)生量進(jìn)行預(yù)測，其具體步驟為(41)、確定BP人工神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)個數(shù)設(shè)輸入層節(jié)點(diǎn)個數(shù)為主成分分析后的主成分個數(shù)；(42)、確定BP人工神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)個數(shù)設(shè)輸出層節(jié)點(diǎn)數(shù)為預(yù)測結(jié)果的個數(shù)；(43)、確定BP人工神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)(44)、確定BP人工神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)(45)JIRfBP人工神經(jīng)網(wǎng)絡(luò)以主成分分析后的數(shù)據(jù)和歷年該農(nóng)作物的發(fā)生量為訓(xùn)練樣本，對BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；(46)、利用訓(xùn)練后的BP人工神經(jīng)網(wǎng)絡(luò)，對農(nóng)作物的發(fā)生量進(jìn)行預(yù)測。
全文摘要
本發(fā)明公開了一種基于BP人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物害蟲發(fā)生量的預(yù)測方法，其步驟如下(1)采集待預(yù)測農(nóng)作物害蟲發(fā)生量的原始數(shù)據(jù)和影響農(nóng)作物害蟲發(fā)生影響因子的原始數(shù)據(jù)；(2)計算原始數(shù)據(jù)之間關(guān)聯(lián)度，剔除差異大的數(shù)據(jù)；(3)計算影響農(nóng)作物害蟲發(fā)生的影響因子的累計貢獻(xiàn)率；(4)利用BP人工神經(jīng)網(wǎng)絡(luò)，對農(nóng)作物害蟲發(fā)生量進(jìn)行預(yù)測。該方法利用灰色關(guān)聯(lián)度分析方法對農(nóng)作物害蟲發(fā)生量的原始數(shù)據(jù)進(jìn)行處理，剔除掉誤差數(shù)據(jù)，保證預(yù)測模型的穩(wěn)定性和準(zhǔn)確性；并利用主成分分析方法降低了BP人工神經(jīng)網(wǎng)絡(luò)輸入因子個數(shù)，有效地解決了利用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時，輸入因子少時，其預(yù)測準(zhǔn)確性低；輸入因子多時，運(yùn)算量大、其預(yù)測結(jié)果得不到收斂的矛盾。
文檔編號G06N3/08GK102163301SQ201110089790
公開日2011年8月24日 申請日期2011年4月12日 優(yōu)先權(quán)日2011年4月12日
發(fā)明者劉宗田, 彭琳, 朱平, 楊林楠, 鐘飛 申請人:上海大學(xué)