文章摘要:针对传统BP神经网络预测农业灌水量时存在易陷入局部最小值、难以选择合适学习率的问题，提出了一种基于遗传算法和Adam算法并行优化BP神经网络的农业灌水量预测模型。该模型利用遗传算法对BP神经网络进行初始权值和阈值的预筛选，然后采用Adam算法来实现学习率自适应于参数梯度不断更新。收集黄河流域陇中片灌溉分区内7个典型灌区的气象数据以及玉米实测灌水数据对模型进行训练，同时与传统GD法、GA法、Adam法下的网络模型进行对比。结果表明：GA-Adam模型仅在训练次数为67次，训练时长为0.403s时便达到预设精度；且GA-Adam模型预测值与期望值的RMSE和MAE最小，分别为54.73和47.76，决定系数R²为0.81，总体预测效果最好。

文章关键词:

论文分类号:S274.4;TP183

上一篇：金属学及金属工艺论文_遗传帝国竞争混合算法在
下一篇：没有了