基于烟花算法的BP神经网络预测含根土抗剪强度

作者：刘俊麟; 郝勇^*; 刘春艳; 邵严; 丁琅

来源：草业学报, 2023, 32(12): 77-89.

• 人工神经网络
• 含根土
• 抗剪强度
• 烟花算法

为了解决BP神经网络在对含根土抗剪强度的预测中存在的预测精度低，计算收敛速度较慢，容易陷入局部极值等问题，本研究通过直剪试验、团聚试验、根系分形分析试验等探究了不同因素对含根土抗剪强度的影响，并对各因素进行相关性分析，从中选取了大团聚体含量（R0.25）、平均重量直径（MWD）、几何平均直径（GMD）、土壤分形维数（Dd）、根表面积、平均直径6个影响含根土抗剪强度的因素作为模型输入层节点，含根土的抗剪强度作为输出层节点。参考FangfaGorman理论公式、Kolmogorov理论公式以及一种经验公式分别计算，并对结果进行讨论，确定了本研究中神经网络的最佳隐含层节点数量为13。建立6∶13∶1的BP神经网络模型，并引入了烟花算法（FWA）对BP神经网络进行优化。结果显示，BP神经网络、粒子群算法（PSO）优化的BP神经网络、FWA-BP神经网络的预测值与期望值的最大相对误差分别为11.12%、9.06%、7.44%，平均相对误差分别为4.60%、3.24%、1.96%，相较于BP神经网络和PSO-BP神经网络，FWA-BP神经网络预测误差值有明显降低；对比引入的统计参数，均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）,FWA-BP神经网络对应的数值分别为0.779353、0.625993、5.6679%，均小于作为对比的普通BP神经网络和PSO-BP神经网络，显示出FWA-BP神经网络在实际应用中的优越性。

• 出版日期2023
• 单位长江大学