安徽农业科学,JournalofAnhuiAgri.Sci.2007,35(34):10969-10970责任编辑庆责任校对俞洁基于BP神经网络的玉米区试产量预测研究121方惠敏,张守涛,丁文珂(1.河南大学先进控制与智能信息研究所,河南开封475001;2.郑州大学生物工程系,河南郑州450001)摘要以国家农业科学数据中心数据库中的数据为样本数据依据,用BP神经网络建立预测玉米区域测试产量模型,并用现有数据进行检测,证明运用BP神经网络模型预测玉米区试产量是可行的。关键词玉米区试;神经网络;预测模型中图分类号S126文献标识码A文章编号0517-6611(2007)34-10969-02StudyonForecastingtheYieldinMaizeRegionalTestBasedonBPNeuralNetworkFANGHui2minetal(InstituteofAdvancedControlandIntelligentInformationProcessing,HenanUniversity,Kaifeng,Henan475001)AbstractWiththedatafromthedatabaseofNationalAgriculturalScienceDataCenterassampledatabasis,themodelforforecastingtheyieldinmaizeregionaltestwassetupbyusingBPneutralnetwork.ItwasprovedtobefeasibletouseBPneutralnetworkmodeltoforecasttheyieldinmaizeregionaltestthroughdetectingtheexistingdata.KeywordsMaizeregionaltest;Neuralnetwork;Forecastmodel在玉米区试过程中,单产是对参试品种的优劣判断和取网络的权值W和偏置值b的更新迭代公式为[3]:舍的一个重要性能指标,但是在区域试验的实际工作中,参Wm(k+1)=Wm(k)+asm(am-1)T,1≤m≤M(2)试单位或因距离试验基地太远,或受人力、物力等方面的限bm(k+1)=bm(k)+as[1]制,试验小区全部收获风干计产很难做到。由于区试过程2BP人工神经网络玉米区试产量预测模型中玉米产量与其他各因素的非线性关系,因此对区试产量的2.1玉米区试产量相关因素影响玉米产量的因素有很预测是一种非线性多元预测。人工神经网络具有较好的非多,一方面是由玉米的生长大环境决定,另一方面与玉米品线性和自适应能力、学习能力和映射能力,能够实现非线性种的许多具体特性相关。由于区试往往可以人为选择环境[2]关系的映射。笔者采用BP人工神经网络建立预测模型并和控制环境,因此,去除环境因素,综合玉米品种的所有特对玉米区试产量进行预测,收到良好的效果。性,选取穗位、生育期、穗长、株高和千粒重5个因素作为区1BP人工神经网络概述试产量的主要影响因素。具有M层的BP神经网络,如图1所示,第一层神经元2.2样本数据来源与数据归一化处理以国家农业科学数0从外部接受输入,即a=P,最后一层神经元的输出是网络据中心数据库[5]中的数据为试验数据样本来源,从玉米数据M12M-112M的输出,即a=a,其中a,a,⋯,a和f,f,⋯,f分别库中随机抽取50个样本数据,如表1所示。从表1可以看为每一层的输出与每一层的激励函数。WI为每一层的权值出,每个产量与其他几个因素之间的关系是复杂、非线性的。矩阵。由于所用的神经网络的激励函数Sigmoid函数在[01]区间的变化波动最为显著,为增强激活函数的工作效率,加快网络收敛速度,在用神经网络建立预测模型之前,先对表1的数据进行归一化处理,比如把产量一列的每一个数据都除以1000进行归一化,其他每列的方法与此类似。表1部分样本数据穗位千粒重生育期株高穗长产量图1BP神经网络结构品种编号cmgdcmcmkg/小区BP神经网络采用有监督的学习方法,整个网络学习训19933210026016.9264.08练的过程分两个阶段,第1阶段是从网络前端向后端进行计213631210029416.8255.71算,先设计网络的结构以及随机设定网络权值矩阵,再依次310138110626220.2307.68411236210027418.0242.99把有正确行为的样本矢量PT输入网络,按公式(1)计算每一51093419926818.0252.85层神经元的输出及网络的最后输出,第2阶段是对权值和阈69034310