首页 > 行业新闻行业新闻

BP所得网络权阈值因子检验

更新时间:2015-03-03    浏览次数:1293

  无线墒情与旱情管理系统对各气象要素因子进行回归分析,平均风速和日照时数与土壤墒情呈负相关,平均气温、相对湿度、蒸降差与土壤墒情呈正相关关系,前一旬土壤墒情与后一旬土壤墒情呈正相关关系;与土壤墒情的相关系数(敏感性)大小依次为:前一旬土壤墒情>相对湿度>平均气温>平均蒸降差>日照时数>平均风速。平均气温、平均蒸降差、日照时数和平均风速这4个因素由于相关系数不高,无法准确判别,故以下采用人工神经网络缺省因子检验法,对6个因子进行分析。
  将无线墒情与旱情管理系统的6个输入因子逐一进行缺省,构建缺少其中任一因子的无线墒情与旱情管理系统。为使无线墒情与旱情管理系统与墒情与旱情管理系统有可比性,在建模过程中所采用的训练样本、检验样本等同于墒情与旱情管理系统,BP网络的学习算法采用前述改进算法。
  采用缺省因子检验法对不同无线墒情与旱情管理系统分析表明:无线墒情与旱情管理系统的检验误差与墒情与旱情管理系统相比,模型输入因子不同程度地对墒情产生影响。土壤墒情对墒情与旱情管理系统的敏感程度依次为:前一旬墒情>相对湿度>降差>平均风速>气温,其中气温、平均风速和蒸降差(R<1)为冗余因子。
  为简化无线墒情与旱情管理系统,删除缺省因子检验法中的冗余因子,在MATLAB R2012a环境下,将前一旬土壤墒情、相对湿度、日照时数这3组训练样本输入该BP网络,通过多次假设隐含因子的调试,调整隐含层的数目为5,使训练达到较好效果,无线墒情与旱情管理系统结构为BP所得网络权阈值。
版权所有:浙江托普云农科技股份有限公司 地址:杭州市拱墅区祥园路中国(杭州)智慧信息产业园3号楼11-13楼
联系电话:0571-86056609 86059660 86054117 86055117
备案号:浙ICP备09083614号

浙公网安备 33010502001418号