买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学

摘要：基于TSO‑GRNN组合模型的玉米产量预测方法，涉及信息处理领域，解决现有技术无法获取环境信息与产量之间的相关性以及计算量大，容易陷入局部拟合，无法实现精确预测等问题，本发明在建模前进行了相关性分析，得到对玉米生长重要的环境因子种类，降低预测的繁琐程度。采用GRNN建立了玉米产量预测模型，并利用历史统计数据对玉米量进行预测。利用TSO对基于GRNN神经网络的玉米产量预测方法进行优化，调整参数到适中时，可有效避免陷入局部最小值，使预测点逐渐逼近真实值，提高预测精度，并可以在一定程度上降低过拟合问题。本发明结合当前环境信息对当年的玉米产值进行预测，对于未来农业人员进行土地开发、环境维护以及生长期内作物培养有重要帮助。

主权项：1.基于TSO-GRNN组合模型的玉米产量预测方法，其特征是：该方法由以下步骤实现：步骤一、生成数据集；抽取玉米试验田历史环境数据及所述历史环境数据对应年的产量作为训练集；在玉米在线监测平台导出本年度的环境数据生成测试数据集；步骤二、数据预处理：对玉米在线监测平台导出的环境数据进行预处理，获得预处理后的环境数据；步骤三、计算相关系数：对步骤二预处理后的环境数据做相关性分析，计算各个环境因子与玉米产量之间的相关系数，保留相关系数绝对值最大的环境因子作为测试集的输入样本；步骤四、将采集的历史环境数据的主要环境因子构成训练数据；将所述玉米在线监测平台导出的环境数据的主要环境因子作为测试数据，构建TSO-GRNN预测模型，利用TSO算法搜索全局最优值，对GRNN模型的参数优化，实现对玉米产量的预测；构建TSO-GRNN预测模型的具体过程为：步骤四一、构造改进的传递函数，如下式： 式中，σ为高斯函数的宽度系数，α∈0，1为比例系数，β为sigmoid核函数系数，X＝X1,X2,...XnT为输入样本，Xi为第i个神经元对应的学习样本，Y＝Y1,Y2,...YmT为输出样本，n与m表示输入样本与输出样本的维度；步骤四二、初始化搜索位置Zσ，α，β，最大迭代次数lmax为200，搜索下限blow＝0.1及搜索上限bup＝2；Zσ，α，β＝blow+rand×bup-blowrand为服从均匀分布的随机数；步骤四三、更新热阻系数Cl与系数T，如下式：Cl＝k*z*r3+1T＝2*z*r2-z 式中，r1、r2、r3为[0,1]内随机数，z为衰减系数变量从2变为0，l为当前迭代次数，lmax为最大迭代次数，k为常数；步骤四四、更新位置信息，如下式： 式中，Zl为当前搜索的位置，为当前最优解；步骤四五、评估适应度值及更新最优位置，适应度满足最大值Zmax时，对应搜索者达到最优位置，即：Zmax＝fitnessσ，α，βmax步骤四六、判断是否达到最大迭代次数lmax，如果是，则输出最优位置和全局最优解；否则，返回步骤四三，直到循环次数等于最大迭代次数lmax，迭代停止，优化输出最优位置和全局最优解，即：输出Zmax值和TSO-GRNN模型参数σ、α、β最优解；步骤四七、将步骤一的训练集采用步骤四六优化输出的最优解进行GRNN模型训练，并取步骤一的测试集进行测试，获得玉米产量的预测结果。

全文数据：

权利要求：

百度查询： 长春理工大学 基于TSO-GRNN组合模型的玉米产量预测方法