混沌理论与BP网络融合的稻瘟病预测模型

作者：邱靖; 吴瑞武; 黄雁鸿; 杨毅; 彭莞云

来源：农业工程学报, 2010, S2: 88-93.

• 混沌理论
• BP算法
• 神经网络
• 量子粒子群优化算法
• 稻瘟病预测模型 chaos theory
• BP algorithm
• neural network
• quantum-behaved particle swarm optimization(QPSO)
• forecasting model of rice blast

为了能更有效地预测稻瘟病的发生,将混沌理论(G-P算法)与BP人工神经网络融合建立了稻瘟病预测模型,并运用QPSO算法优化BP神经网络,避免了BP算法易陷入局部极小值的缺陷。运用G-P算法对云南省凤庆县历年稻瘟病发病情况的历史数据进行了研究。研究发现最小嵌入空间维及K熵都为正数,故稻瘟病的发生具有一定的混沌特性,从而确定了模型输入层的个数。应用该模型对2001-2009年稻瘟病发生程度进行预测,并与其他预测模型进行比较。结果表明:该模型预测的准确率和收敛速度明显高于其他预测模型,且预测结果有效可行,为解决预测、分类及模式识别等问题提供了新的解决途径。

• 出版日期2010
• 单位云南农业大学