基于决策树优化的BP神经网络在海参养殖产量预测中的应用

摘要

cqvip:刺参Apostichopus japonicus养殖产量的影响因素很多,难以预测。本研究设计一种基于C4.5决策树优化的BP(反向传播)神经网络刺参养殖产量预测模型,该模型针对传统BP神经网络输入参数难以选择、收敛速度慢、易陷入局部极小等问题,通过决策树分类获取最优的属性组合,来解决神经网络输入参数难选择的问题,再结合"二分分割算法"确定隐含层节点数,构建基于C4.5决策树反向传播神经网络(DT-BPNN)预测模型,以山东省刺参养殖年产量为例进行检测实验。结果表明,该模型预测刺参养殖产量结果的均方误差(MSE)小于传统BP神经网络和灰色GM(1,1),网络训练时间缩短,预测精度提高,获得了良好的预测结果,可为海参养殖产量预测提供新方法。