利索-全球专利检索

  1. 登录
  2. 注册
发明公开
CN102163301A 基于BP人工神经网络的农作物害虫发生量的预测方法 无效 - 撤回

  • 专利标题： 基于BP人工神经网络的农作物害虫发生量的预测方法
  • 专利标题（英）： Method for predicting emergence size of crop pests based on BP (back propagation) artificial neural network
  • 申请号： CN201110089790.1
    申请日： 2011-04-12
  • 公开(公告)号： CN102163301A
    公开(公告)日： 2011-08-24
  • 发明人: 彭琳 , 刘宗田 , 杨林楠 , 钟飞 , 朱平
  • 申请人： 上海大学
  • 申请人地址： 上海市宝山区上大路99号
  • 专利权人： 上海大学
  • 当前专利权人： 上海大学
  • 当前专利权人地址： 上海市宝山区上大路99号
  • 代理机构： 上海上大专利事务所
  • 代理商 陆聪明
  • 主分类号： G06N3/08
  • IPC分类号： G06N3/08
基于BP人工神经网络的农作物害虫发生量的预测方法
摘要：
本发明公开了一种基于BP人工神经网络的农作物害虫发生量的预测方法，其步骤如下：（1）采集待预测农作物害虫发生量的原始数据和影响农作物害虫发生影响因子的原始数据；（2）计算原始数据之间关联度，剔除差异大的数据；（3）计算影响农作物害虫发生的影响因子的累计贡献率；（4）利用BP人工神经网络，对农作物害虫发生量进行预测。该方法利用灰色关联度分析方法对农作物害虫发生量的原始数据进行处理，剔除掉误差数据，保证预测模型的稳定性和准确性；并利用主成分分析方法降低了BP人工神经网络输入因子个数，有效地解决了利用BP人工神经网络进行预测时，输入因子少时，其预测准确性低；输入因子多时，运算量大、其预测结果得不到收敛的矛盾。
摘要（英）：

The invention discloses a method for predicting the emergence size of crop pests based on a BP (back propagation) artificial neural network, comprising the following steps of: (1) acquiring raw data of the emergence size of the crop pests to be predicted and the raw data of impact factors influencing emergence of the crop pests; (2) calculating the degree of association between the raw data, and removing data with big differences; (3) calculating the cumulative percent of the impact factors influencing the emergence of the crop pests; and (4) predicting the emergence size of the crop pests by utilizing the BP artificial neural network. In the method, the raw data of the emergence size of the crop pests are processed by adopting a gray relation analysis method, error data are removed, and the stability and accuracy of a prediction model can be guaranteed; and the number of input factors of the BP artificial neural network is reduced by utilizing a principal component analysis method, thus the conflict that the prediction accuracy is low when the input factors are not enough and the computation is high and the prediction result is not converged when the input factors are excessive while the BP artificial neural network is adopted for prediction can be effectively solved.

0/0