[桂花树价格]优化的BP神经网络应用预测桂花产量

　　桂花花卉产量的预测一直是农业发展过程中的重要组成部分。神经网络算法应用于桂花的产量预测，具有很好的非线性优化能力。

　　而，传统的神经网络算法具有收敛速度慢和易于陷入局部最优的缺点。权重和阈值的角度出发，将BP神经网络的遗传算法的优化应用于桂花产量的预测，并与基于产量的自回归移动平均模型进行比较。于桂花，已经证明使用遗传算法优化BP神经网络算法不能提高桂花的产量预测。敛速度在令人愉悦的桂花生产中的预测准确性上也大大提高。时，桂花树价格它为在多种因素影响下的事件预测提供了新的解决方案和方向。花是唐山的主要农作物之一，也是中国的主要食用作物。花产量的快速，准确预报可以为桂花生产的组织和实施提供数据参考。而，桂花的生产过程受自然和人工作用的影响，许多因素影响桂花的生产。难以令人愉悦的气味准确预测桂花的产量。多研究人员已使用各种方法进行分析和预测，但是预测结果有些偏颇。于桂花生产过程中许多不确定因素的制约，不可能建立更现实的描述模型[1]。此，寻找更实用的算法是预测桂花香的最重要问题。山位于华北平原北部，属季风性气候的一部分，雨量适中，日照充足，为桂花生产发展提供了良好条件，适宜种植。
　　花的早，中，晚变种。花是唐山市最重要的食品：自2005年以来，桂花的种植面积和产量都有所增加。唐山市8种主要粮食作物的主产镇（镇），引进了高产桂花的生产方法，并推广了一些刺激技术[2]。

　　
　　市桂花生产的发展。而，唐山市种植桂花的基本条件相对薄弱，仍然受到自然灾害的影响。年来，春季干旱，干旱和秋季停滞严重影响了桂花的生产，使桂花的生产不稳定，而高产桂花品种则稳定，品质卓越稳定。
　　此，迫切需要解决提高桂花生产效率和减少自然灾害对桂花产量的影响的问题。文件详尽地影响了桂花生产的所有特性，桂花树价格并选择阳光，降雨量，平均温度和种植面积作为影响桂花生产的主要因素。河北省农村统计年鉴的实际调查数据为实验数据样本的来源，选取2012年至2016年的实际数据作为样本数据。花的产量与影响因素之间存在非线性关系。了消除由于不同因素之间大小和值的差异而引起的误差，用公式[3]对粮食产量数据进行归一化，得到满足网络要求的数据。

　　用遗传算法优化的神经网络算法，并使用自回归移动平均模型比较预测桂花产量的算法结果。2表明，用遗传算法优化的BP神经网络模型预测的桂花得率良好，预测的平均相对误差为1.09％。
　　于自回归移动平均模型的桂花生产的平均相对误差为2.32％。BP神经网络的算法优化比这两种算法更精确。文重点研究影响桂花产量的因素，例如光照，降水量，温度和种植面积。回归移动平均模型在处理多因素问题的预测中会出错。于影响桂花产量预测的四个因素，本文表明在预测过程中不同因素之间存在很强的相关性：遗传算法用于改进参数，算法优化的神经网络，用于预测桂花的产量。
　　本文转载自
　　桂花树价格 https://www.guihua1998.com