基于灰色BP神网络吉林省农业机械总动力预测.pdfVIP

基于灰色和BP神经网络的吉林省农业机械总动力预测

爱红福

信息教学与，吉林，长春，吉林，130117，aixin1115@163.com

：农业机械总动力的预测对农业机械的“供给并通过n个已知样本数据建立相应的预测模型M，

侧”具有重要的研究价值和意义。科学合理的预测结以预测t时刻的数据值。

1

果对的规划和发展具有重要的指导意义。灰

色GM(1,1)模型能够有效分析动态数据。为了提高预3灰色补偿BP神经网络预测模型的构建

测精度，采用BP神经网络补偿灰色残差数据。实验

表明，该模型对吉林省农业机械总动力的预测是有效

的。3.1灰色GM(1,1)模型

灰色控制理论最初由邓聚龙提出，广泛应用于多个

领域，并取得了良好的应用效果。常见的灰色预测

模型有GM(1,1)和SCGM(1,1)两种[4]。灰色模型

：灰色理论；BP神经网络；农业机械总动力应用于预测的主要优点包括所需样本量小、计算简

单。然而，在应用灰色GM(1,1)模型进行动态预测

1引言时，经常存在残差数据，对预测精度有很大影响。

为了提高预测精度，将BP神经网络应用于残差灰色

农业机械总动力是衡量农业机械化水平的重要指标，

处理，利用BP网络函数近处理残差值的特点，将

准确预测农业机械总动力不仅可以为决策部门

所得结果与模型预测的增强灰色操作相结合，以获

依据，还可以为农业生产制造商科学的数据支

得最终的预测结果。

持[1]。关于农业机械总动力的预测研究很多，例如

神经网络、灰色预测方法等。灰色GM(1,1)模型对

数据的时间序列特性有良好的预测效果，且该方法

可以基于小样本进行预测，而人工神经网络在研究3.2GM(1,1)模型的主要算法

区域虽然预测效果较好，但由于数据样本量较小，本研究中应用的GM(1,1)模型的算法描述如下：设置时

导致模型网络训练不足，往往影响预测结果的准确间序列数据：

00000

性[2]。本研究结合灰色GM(1,1)模型和BP神经网络x={x(1),x(2),...,x(n)}，其中x(i)表示

模型，预测吉林省农业机械总动力。第i次观测数据。通过动态累积法获得下一个时刻的

1111

值序列x={x(1),x(2),...,x(n)}。该模型的主要

思想是通过对数据自身规律的相应操作分析，以动

态滚动的方式预测数据。在此方法