过程神经网络在寒地农作物生长预测中的研究分析.docVIP

过程神经网络在寒地农作物生长预测,寒地作物产量的预测绝大多数仍然依靠种植经验来获得,在气候因素偏离常年的情况下这种经验的预测往往与实际值存在着较大的偏差。 所以运用智能化技术来预测作物生长显得尤为重要，本文通过利用过程神经网络的知识对农作物的生长进行预测，可以为实现农作物产量预测，农作物的经济效益预测提供可靠有效的基础数据。对于实现高产现代化农业中亩产产量提高和农作物生长环境监测预报都有广泛的应用前景。 关键词：寒地作物，智能化技术，过程神经网络 0 引言 目前现在过程神元经网络已广泛应用地震解释、油田钻井、天气预报、土壤侵蚀等需要时变过程函数输入的预测领域,且起到越来越重要的作用。本文针对系统输入为多元过程函数以及多维过程信息预测处理问题，通过考察时空维变量在农作物生长问题中的时空演化特征及作用关系，归纳过程神经元网络时空维信息累积的模式，提出面向农作物生长预测的过程神经元网络一般模型以及选择适合具体问题求解的网络拓扑结构，研究针对农作物生长预测的过程神经网络的时空信息预测机制与泛函映射能力方面做了简单的分析。 1 过程神经网络 在应用传统神经元网络模型解决时变系统输入输出问题时，通常的方法是将时间关系转换为空间关系（时间序列）之后再进行处理，但这样会导致网络规模的迅速扩大，而目前传统神经元网络实际上还难以解决较大样本的学习和泛化问题，同时这样处理也难于满足系统实时性要求和反映时变输入信息对输出的累积效应。 　　针对上述问题，国内学者何新贵院士和许少华教授近年来将传统神经元网络扩展到时间域，提出和建立了一种新的人工神经元网络模型—过程神经元网络。过程神经元网络是作者提出的一种新型神经元网络，其输入和输出可以是时变过程或时变函数、多元函数乃至是抽象距离空间中的“点”，对输入的加工包括多元聚合和累积，特别是空间聚合和时间累积。过程神经元网络理论可应用于过程建模、系统辨识、过程控制、聚类分类、过程优化、预测预报、评估决策以及宏观控制等领域。 设过程神经网络的输入为,期望输出为,))(),...,(),(()(21txtxtxtXn=)(ty)(),(tytxi],0[TC.,,…, ,…为空间的一组基函数,则只要基函数选择合适,)就可以在该基函数下展开,并可按任意给定的精度进行有限项展开)(1tb)(2tb)(tbL],0[TC(ty[4].设其展开式为 2.1 网络拓扑结构 我们提出的用于函数过程逼近问题的神经网络是一类4层前馈过程神经网络,拓扑结构为.输入层有个节点,用于完成n个时变函数,,,向网络的输入;第1隐层为过程神经元隐层,由个节点单元组成,完成对个输入函数在空间上的加权聚合和对时间过程的聚合运算,以及对样本过程模式特征的提取;第2隐层为非时变一般神经元隐层,有1???Lmn)n)(1tx)(2txL)(txnmn个节点单元;第4层为输出层,输出为Σ.网络拓扑结构如图1所示. 2.2 网络各层之间的输入、输出关系 系统输入: 第1隐层输出: 在式(2)中,为第1隐层第j个神经元的输出,)为输入层与第1隐层的连接权函数,为第1隐层第j个神经元的输出阈值,[0,T]为时间采样区间,为第1隐层的激励函数. )1(jy(twij)1(j 第2隐层输出: 在式(3)中为第2隐层第个神经元的输出为第1隐层神经元j到第2隐层神经元k的连接权值为第2隐层第个神经元的输出阈值g为第2隐层的激励函数. )2(kykjkv)2(kk 输出层: 设基函数为l=1,2,,L,则系统输出为 在上述模型中,空间聚合采用了加权求和,时间聚合采用了对时间的积分.其实,我们可以根据实际情况选择其他合适的聚合算子因此,上述模型其实是给出了一类过程神经元网络,可以应用于各种不同场合 参考文献： [1]何新贵,梁久祯. 过程神经元网络的若干理论问题[J]中国工程科学, 2000, (12) .吴雪娇. 非线性时变系统的时变神经网络建模方法研究[D]浙江工业大学, 2010谢桐瑜. 基于过程神经元网络的时序预测模型研究[D]大庆石油学院, 2008 .朱学峰,叶涛. 过程神经元网络的理论研究与仿真[J]华南理工大学学报(自然科学版), 2007, (10) .许少华,何新贵,王兵. 一种分式过程神经元网络及其应用研究[J]计算机研究与发展, 2006, (12) .王蕾,平静,宋国杰. FPNN:优化的过程神经网络模型及其应用[J]计算机工程与应用, 2009, (24)