一種基于主成分分析和神經(jīng)網(wǎng)絡(luò)的水稻需水量預(yù)測方法

基本信息

申請(qǐng)?zhí)?/td> CN201710278851.6 申請(qǐng)日 -
公開（公告）號(hào) CN107025505A 公開（公告）日 2017-08-08
申請(qǐng)公布號(hào) CN107025505A 申請(qǐng)公布日 2017-08-08
分類號(hào) G06Q10/04(2012.01)I;G06Q50/02(2012.01)I;G06N3/08(2006.01)I;G06K9/62(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 劉佳瑞;張健;李淼;高會(huì)議 申請(qǐng)（專利權(quán)）人 無錫中科智能農(nóng)業(yè)發(fā)展有限責(zé)任公司
代理機(jī)構(gòu) 合肥天明專利事務(wù)所（普通合伙） 代理人 無錫中科智能農(nóng)業(yè)發(fā)展有限責(zé)任公司;中國科學(xué)院合肥物質(zhì)科學(xué)研究院
地址 214000 江蘇省無錫市錫山區(qū)無錫現(xiàn)代高科技農(nóng)業(yè)示范園
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于主成分分析和神經(jīng)網(wǎng)絡(luò)的水稻需水量預(yù)測方法，首先獲取實(shí)驗(yàn)地區(qū)作物生長過程中的各項(xiàng)影響因子數(shù)據(jù)并進(jìn)行預(yù)處理，然后對(duì)根據(jù)氣象條件、生長環(huán)境條件、自身生長特性這三個(gè)方面從水稻生長過程中的影響因子數(shù)據(jù)中選取特征進(jìn)行基于特征數(shù)閾值調(diào)整的主成分分析，從而找到不同的特征組合，對(duì)不同的特征組合訓(xùn)練粒子群算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型，找出準(zhǔn)確率最高的權(quán)重迭代參數(shù)和特征組合，從而構(gòu)建的RBF神經(jīng)網(wǎng)絡(luò)模型能夠?qū)崿F(xiàn)水稻整個(gè)生長過程中缺水狀況程度預(yù)測，高效快速、且預(yù)測結(jié)果準(zhǔn)確。