摘要:将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路。
关键词:小波神经网络 蚁群算法 需水量 参数优化
单位:东北农业大学水利与建筑学院 哈尔滨150030 佳木斯市水利勘测设计研究院 佳木斯154003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
中共宁波市委党校学报