基于ASSA-GRNN的施肥量预测与控制实现

摘要

提出一种改进的樽海鞘算法,对GRNN神经网络进行优化.首先,在樽海鞘算法中引入动态惯性权重,避免算法陷入局部最优值,并且提高算法的收敛速度;其次,在算法中引入柯西变异,增强种群多样性,提高其全局搜索能力.将改进的樽海鞘算法应用到GRNN神经网络平滑因子参数的优化,缩短了训练时间,提高了预测精度.利用ASSA-GRNN与PSO-BP模型分别进行施肥量预测,ASSA-GRNN模型的施氮量预测结果绝对误差平均值、绝对误差方差和相对误差平均值分别为0.0342、0.0044和0.67％,比PSO-BP模型预测误差有所下降.最后,施肥量预测结果通过数据可视化技术展示给用户,且可以通过开关控制器打开电磁阀.