一种基于主成分分析和神经网络的水稻需水量预测方法

摘要

本发明公开了一种基于主成分分析和神经网络的水稻需水量预测方法，首先获取实验地区作物生长过程中的各项影响因子数据并进行预处理，然后对根据气象条件、生长环境条件、自身生长特性这三个方面从水稻生长过程中的影响因子数据中选取特征进行基于特征数阈值调整的主成分分析，从而找到不同的特征组合，对不同的特征组合训练粒子群算法优化的RBF神经网络模型，找出准确率最高的权重迭代参数和特征组合，从而构建的RBF神经网络模型能够实现水稻整个生长过程中缺水状况程度预测，高效快速、且预测结果准确。