基于BP神经网络的农作物虫害预测系统的研究(2)

2003.5 14 10 320 86 1 2008.5 13 8 320 86 1 2003.6 16 12 330 70 1 2008.6 15 12 330 80 2 2003.7 20 15 348 32 3 2008.7 19 14 348 30 3 2003.8 25 20 355 45 5 2008.8 26 21 355 112 5 2003.9 30 25 370 56 6 2008.9 30 25 370 66 4 2004.5 14 10 321 86 5 2009.5 14 10 321 86 4 2004.6 16 12 331 65 4 2009.6 17 13 331 70 3 2004.7 20 15 349 32 7 2009.7 20 15 349 30 5 2004.8 25 21 354 45 3 2009.8 24 20 354 45 4 2004.9 30 24 368 66 6 2009.9 30 24 368 66 6 2005.5 14 9 311 110 1 2010.5 13 8 311 102 2 2005.6 16 12 322 70 2 2010.6 16 12 322 70 3 2005.7 20 15 345 32 5 2010.7 20 15 345 30 4 2005.8 25 18 355 45 5 2010.8 24 18 355 32 4 2005.9 30 24 371 66 2 2010.9 30 25 371 66 3 2006.5 14 10 318 86 4 2011.5 13 11 318 86 4 2006.6 16 12 335 70 3 2011.6 16 12 335 110 3 2006.7 20 15 347 30 5 2011.7 21 15 347 30 5 2006.8 25 20 356 44 4 2011.8 25 21 356 45 3 2006.9 30 25 370 80 3 2011.9 29 25 370 66 4 2007.5 14 10 320 86 5 2012.5 14 11 320 86 6 2007.6 16 12 330 110 1 2012.6 16 12 330 111 2

2007.7 20 15 348 30 4 2012.7 20 13 348 30 5 2007.8 25 21 359 106 6 2012.8 226 21 359 45 5 2007.9 30 26 375 61 3 2012.9 30 26 375 66 3 神经网络的训练算法流程： Begin（算法开始）： e=0 //均方误差 inputData[16]

in-hide[16，16] //输入层和隐含层间的权值矩阵 hide-out[16，6] //隐含层和输出层间的权值矩阵 4）>inputNum //输入层神经元个数 9）>hideNum1 //隐含层神经元个数 1）>outputNum //输出层神经元个数 //step1计算隐含层的输入 //step2计算输出层的输出

//step3计算输出层误差和均方误差 //计算输出层误差 //计算均方误差

//更新隐含层和输出层间的矩阵权值 //step4计算隐含层误差 //计算隐含层误差

//更新输入层和隐含层间的权值矩阵的值 End （算法结束）

图5 实测值与预测值的对比

结果分析：实测值与预测值数据大致吻合，说明利用BP神经网络算法进行病虫害测研究具有可行性。 4 结语

本文针对平均气温、最低气温、日照时间、降雨量等信息，借助于Matlab软件建立了BP神经网络，同时给出了相应的模型。该模型准确度高，形式相对简单，具有很好的公正性、客观性。实例表明，利用BP神经网络大大提高了病虫害预测的准确性和灵活性，在农业生产病虫害防御中具有很好的指导作用，应用前景广阔。 参考文献

[1]孙妍姑 等.基于BP神经网络的图像识别技术研究[J].淮南师范学院学报（自然科学版）.2010（6）：39-41. [2]李婷.基于BP神经网络的住院费用建模研[D].硕士学位论文，华北煤炭医学院.2010，39-41.

[3]Shao Liangshan，WangJun，Sun Shaoguang.Study on the fitting ways of artificial neural networks[J].Journal of Coal Science &Engineering，2008（7）.334-337.

[4]王冠亚.BP神经网络算法在教务管理系统中对学业方向识别的研究与应用[C].硕士学位文.中国海洋大学，2009：50-53.

[5]石善志，于会永，孙正丽，王厚坤 等.基于灰色关联

分析与BP神经网络的压裂效果预测[J].长江大学学 报：自然科学版，2014（6）：39-41.

[6]李东波.基于人工神经网络的碳纤维楠竹锚杆 固力预测研究[C].硕士学位论文，西安建筑科技大学.2010.20-22. [7]王刚，许晓兵，基于小波分析与神经网络时间序列的股票预测方法[J].金融经济，2013（3）：77-79.

[8]冯继妙，胡立芳.基于BP神经网络的车祸库预警技术[J].计算机系统应用，2011（6）：20-23.

[9]尹鹏，杨仁树，丁日佳，王文博.BP神经网络对商业地产立项阶段投资风险评估[J].山西建筑2012（11）.50-52. [11]蒋建平，章杨松，阎长虹，高广运.BP神经网络在地基土压缩指数预测中的应用[J].中南大学学报（自然科学版）.2010（4）.22-24.

[12]杨光，刘俏，代蕊，马蓬勃，刘海霞.BP神经网络预测Bacillusamyloliquefaciens Q-426发酵产物活性.计算机与应用化学[J].2013（9）.28-23.

[13]安艳辉，高双喜，刘宗敏.基于BP网络的字符识别系统设计.河北省科学院学[J].2012（3）.14-15. 收稿日期：2015-01-20

作者简介：陈涛（1986―），男（汉族），河北保定人，硕士研究生，研究方向：信号检测，智能控制。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库基于BP神经网络的农作物虫害预测系统的研究(2)在线全文阅读。