首页|MI-PSO-RBF算法在稻谷存储品质预测的应用研究

MI-PSO-RBF算法在稻谷存储品质预测的应用研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
粮食存储安全是关系粮食安全的重要因素,稻谷作为我国主要粮食作物其存储安全尤为重要.针对稻谷存储质量检测不方便等缺点,利用径向基神经网络(RBF)根据粮食实际存储的环境因素构建稻谷脂肪酸含量的预测模型.首先为避免数据维度过大使模型精度降低,利用互信息法则(MI)进行环境变量的特征提取,选取温度、湿度等6种影响较大的环境因素;然后根据RBF神经网络参数难以确定的缺点,采用改进的粒子群算法(PSO)进行寻优;同时改变粒子群的学习因子和权重系数的确定方式,使PSO算法在前期全局全面搜索并在后期易于跳出局部最优.通过实际数据进行模型验证,与传统RBF模型和PSO-RBF模型相比,构建的存储环境-存储品质DPSO-RBF预测模型精度提高.
Application of MI-PSO-RBF Algorithm in Prediction of Rice Storage Quality

RBF neural networkPSO algorithmmutual information rulestorage quality of riceprediction model

郭利进、惠培奇、许瑞伟

展开 >

天津工业大学控制科学与工程学院,天津 300387

径向基神经网络 粒子群算法 互信息法则 稻谷储存品质 预测模型

2023

中国粮油学报
中国粮油学会

中国粮油学报

CSTPCDCSCD北大核心
影响因子：1.056
ISSN：1003-0174
年,卷(期)：2023.38(8)
  • 1
  • 12