混沌理论与BP网络融合的稻瘟病预测模型

摘要

为了能更有效地预测稻瘟病的发生,将混沌理论(G-P算法)与BP人工神经网络融合建立了稻瘟病预测模型,并运用QPSO算法优化BP神经网络,避免了BP算法易陷入局部极小值的缺陷。运用G-P算法对云南省凤庆县历年稻瘟病发病情况的历史数据进行了研究。研究发现最小嵌入空间维及K熵都为正数,故稻瘟病的发生具有一定的混沌特性,从而确定了模型输入层的个数。应用该模型对2001-2009年稻瘟病发生程度进行预测,并与其他预测模型进行比较。结果表明:该模型预测的准确率和收敛速度明显高于其他预测模型,且预测结果有效可行,为解决预测、分类及模式识别等问题提供了新的解决途径。