一种基于遗传算法改进的BP神经网络的温室环境预测反馈方法

摘要

一种基于遗传算法改进的BP神经网络的温室环境预测反馈方法，方法如下：获取若干组被测植物叶片温度及对其有影响的其它5个因子的监测数据值，将这些数据归一化为-1至+1之间值，将归一化后的这些数据组分类组以作为即将待用的训练和测试数据;建立BP神经网络，其包括一个输入层、一个中间层和一个输出层;采用遗传算法对上述建立的BP神经网络进行优化;对优化后的BP神经网络进行训练和测试;利用通过测试的BP神经网络预测植物叶片温度。其可以建立适合于温室环境参数预测的模型，通过计算机仿真试验，能够准确、快速地预测温室环境下的目标参数。

主权项

一种基于遗传算法改进的BP神经网络的温室环境预测反馈方法，其特征在于包括如下方法步骤:(1)获取若干组被测植物叶片温度及对其有影响的其它5个因子的监测数据值，其中，该5个因子是:温室外温度、相对湿度、太阳辐射照度、保温覆盖层状态和CO2含量;将这些数据归一化为‑1至+1之间值，采用的归一化公式为： X * = X - X min X max - X min 其中：X*代表归一化后的值，X为变量的实际值，Xmax和Xmin分别为变量的最大值和最小值;将归一化后的这些数据组分类组以作为即将待用的训练和测试数据;(2)建立BP神经网络，所述的BP神经网络包括一个输入层、一个中间层和一个输出层;(3)采用遗传算法对上述建立的BP神经网络进行优化;(4)对优化后的BP神经网络进行训练和测试;(5)利用通过测试的BP神经网络预测植物叶片温度。