论文部分内容阅读
随着人们生活水平的提高,人们对水果的需求量也在不断增长,我国的热带果树产业的规模也越来越大。近些年来,极端天气时常会对热带果树产业带来灾害,造成热带果树产业的经济损失。若能够借助计算机科学方法,对一个地区的热带果树种植适宜度进行提前评估,合理分配种植范围,就能避免很多不必要的损失。本文首先通过研究当前热带果树种植适宜度分析的方法,发现目前国内的热带果树分析方法都是基于数理统计方法的种植适宜区划,针对传统数理统计方法的自适应能力低下的问题,引入了 BP神经网络建立热带果树种植适宜度分析模型。其次,针对BP神经网络往往会陷入局部最优的情况,引入了增加网络深度的方法对模型进行训练和改进,并基于KEEL数据库的数据集进行了模型的可靠性验证。随后通过分析前人研究,并与专家讨论,选取了 12个代表性的评价指标,利用Matlab工具建立了多隐含层BP神经网络,建立了热带果树种植适宜度模型,基于桂林、博白等32个站点的气象数据进行了仿真实验,并进行了对比实验。结果表明增加了网络深度的BP神经网络比普通BP神经网络在分类准确率上都有显著改善。最后,为了改进BP神经网络易陷入局部极小值的缺点,经研究发现,遗传算法在全局寻优上有着突出的优势,故采用遗传算法改进的BP神经网络建立热带果树种植适宜度分析模型,通过遗传算法(GA)进行优化BP神经网络的初始阈值和权值,在利用相同的KEEL的数据集进行可靠性验证工作后。选取相同的气象数据集进行仿真实验,结果表明:经过遗传算法优化的BP神经网络在收敛速度、分类准确率指标上比原有的BP神经网络分类结果有所提高,该GA-BP神经网络模型可以用于热带果树种植适宜度进行分析。