基于RBF神经网络的粮食生产预测研究.pdf

维普资讯 第 19卷第 4期 安 徽 工 程 科 技 学 院 学 报 V01．19．No．4 20o4年 l2月 JournalofAnhuiUniversityofTechnologyandScience Dec．，2004 文章编号：1672—2477(2004)04—0051—04 基于 RBF神经网络的粮食生产预测研究 伍长荣 -一，胡学钢 (1．合I／g-r~大学 计算机与信息学院，安徽合肥 230009；2．芜湖师专 计算机教学部，安徽 芜湖 241001) 摘要：提高中国粮食生产量的预测精度与效率是人们关注的一个重要问题 ．对 RBF神经网络的结构、特性和 训练算法作 了简要的概述 ．根据粮食产量与其影响因素之间存在的映射关系，应用 RBF神经网络建立了多因 素非线性时间序列预测模型，并进行了仿真试验．结果表明，用 RBF神经网络进行粮食生产预测得到了十分 满意的结果． 关 键 词 ：RBF神经网络 ；粮食生产；预测 中图分类号 ：TP183 文献标识码 ：A 引 言 粮食生产的科学预测研究对保障人民生活水平、国民经济发展和国家安全具有特殊的重要意义．我国 人均耕地少 ，因此迫切需要一种预测我国粮食产量的有效方法． 粮食生产及其影响因素之间存在复杂的非线性关系．传统的粮食生产预测方法是建立多元线性回归 预测模型，但这种模型因为线性假设、预测的精确度及检验问题而受到很大的应用限制…．近年来 ，非线性 模型I3P神经网络在预测研究中得到了普遍的应用 J．国内已有学者尝试利用BP神经网络进行粮食产 量多因子预测[4]．但是，BP神经网络存在训练时间长 ，收敛速度慢 ，且容易陷入局部极值的缺点．尽管现在 对BP神经网络的改进方法很多，但都是片面地改善某一方面性能_5J．RBF神经网络是 9O年代提出的一 种具有全局收敛非线性学习算法的前馈网络，具有最佳逼近性能，学习速度快，在一定程度上避免了BP 网络中学习算法冗长的迭代计算过程和陷于局部极值的可能．因此，它的研究与应用越来越得到重视 ，且 广泛应用于数据的分类和时间序列的预测等方面 ’． 为此，本文提出了用 RBF神经网络建立粮食产量预测系统．文中先介绍RBF神经网络原理，其次介 绍最近邻聚类学习算法，最后给 出一个粮食产量预测仿真实验．结果表明，基于最近邻聚类学习算法的 RBF网络预测模型具有 良好的预测精度 、训练时间短、收敛速度快等特点． 1 RBF神经网络的工作原理 1985年 ，Powell提 出了多变量插值 的径 向基函数 (Radial BasicFunction)方法．RBF是一种局部分布的、对中心点径 向对 称衰减的非负非线性函数 ．1988年 ，Broomhead和 Lowe首先将 ^一 RBF应用于神经网络的隐含层，从而构成了RBF神经网络． x一 y RBF神经网络是一种三层前 向网络 ，由输入层、隐含层和 输出层构成 ．为方便起见，我们只考虑多输入单输出的RBF网络 的情况 ，其拓朴结构如图1所示． RBF神经网络用RBF作为隐单元的 “基’’构成隐含层空间， 图 RBF网络拓朴结构 当RBF的中心确定以后，其映射关系也就确定了，而隐含层到输出空间的映射是实线性的，即网络的输出 收稿 日期 ：2004—09—21 作者简介：伍长荣(1973一)，女，安徽郎溪人，讲师，在读硕士 维普资讯 ． 52． 安 徽 工 程 科 技 学 院 学 报 2004年 是隐单元输出的权值线性相加，这里的权值是网络可调参数．从总体上看 ，隐含层与输出层所完成的任务 是不同的，因而各 自的学习策略也不同．隐含层是采用非线性优化策略，对映射函数的参数进行调整 ，相对 学习速度慢一些；而输出层则是应用线性优化策略，对线性权进行调