基于改进麻雀搜索算法的北疆春玉米产量预测方法
2023-09-13崔兴华
计算机工程与设计 2023年8期
崔兴华,靳 晟
(新疆农业大学 计算机与信息工程学院,新疆 乌鲁木齐 830052)
0 引 言
作物产量预测是农业科学的重要研究内容,性能可靠的作物产量预测模型可为农业工作者合理制定水肥施配方案提供理论指导,提高农业生产效率。传统的研究方法通常使用线性回归模型拟合作物生产规律,但由于线性方法存在局限,部分学者提出利用神经网络技术探寻作物生长与外界条件之间的非线性关系,并通过产量预测仿真实验证明神经网络模型的预测精度优于传统线性模型[3,4]。神经网络模型的性能表现在很大程度上依赖于超参数的选取,人为确定超参数往往费时费力且效果一般,基于此,部分学者尝试通过优化算法对超参数进行寻优,为解决超参数优化问题提供了新思路[5,6]。
本文提出一种基于改进的麻雀搜索算法的北疆春玉米产量预测方法。针对麻雀搜索算法(sparrow search algorithm,SSA)[7]存在的缺陷,改进算法使用遍历均匀性良好的Kent映射改善初始种群,引入改进反向学习机制及食物源机制引导算法跳出局部最优,增强算法的全局搜索能力。将改进算法与径向基神经网络(radial basis function neural network,RBFNN)结合构建模型,将模型用于新疆灌溉中心实验站的玉米产量预测仿真实验,实验结果表明,本文所提模型在玉米测产方面具备可行性。
1 改进的麻雀搜索算法
1.1 基于Kent映射的种群初始化
研究表明,Kent映射在遍历均匀性及迭代速度方面皆表现良好[8]。Kent映射的表达式[9]为
xt+1={xt0.5+ε,0≤xt≤12+ε,1-xt0.5-ε,12+ε≤xt≤1.
(1)
鉴于Kent映射的优良性质,利用Kent混沌序列对麻雀种群进行初始化,可以使初始种群更均匀的分布在搜索空间,提高算法的收敛速度及全局搜索能力。……
登录APP查看全文
