基于灰色神经网络的茶叶产量预测算法

doi:10.16178/j.issn.0528-9017.20190415

浙江农业科学 ›› 2019, Vol. 60 ›› Issue (4): 577-579.DOI: 10.16178/j.issn.0528-9017.20190415

基于灰色神经网络的茶叶产量预测算法

胡克满^a, 胡海燕^b

宁波职业技术学院 a电子信息工程学院,b科技与产学合作处,浙江宁波 315800

收稿日期:2019-01-23 出版日期:2019-04-11
作者简介:胡克满(1980—),男,浙江瑞安人,副教授,博士,研究方向为计算机视觉、机器学习,E-mail:hukeman@163.com。
基金资助:
浙江省教育厅科研项目(Y201738411)

Received:2019-01-23 Online:2019-04-11

摘要/Abstract

摘要： 通过分析茶叶产量影响因素,提出了一种非自然因素影响茶叶产量的预测模型。针对部分信息数据,运用灰色模型理论,结合神经网络系统对预测模型进行优化,给出了基于灰色神经网络的茶叶产量需求预测算法。实验证明,将实际产量和预测值进行比较和误差分析,该算法能够较好地实现茶叶产量的预测,具有一定的实际应用价值。

关键词: 灰色模型, 神经网络, 产量预测, 茶叶

中图分类号:

S571.1

胡克满, 胡海燕. 基于灰色神经网络的茶叶产量预测算法[J]. 浙江农业科学, 2019, 60(4): 577-579.

[1] 钱韧. 适应“一带一路”需求,提升中国茶叶国际竞争力的对策研究[J]. 福建茶叶, 2017 (10):40.
[2] 智研咨询. 2017年中国茶叶种植面积和产量分析[EB/OL]. (2017-07-13)[2019-01-01]. http://www.chyxx.com/industry/201707/540968.html.
[3] 王学. 极端气候对保山市茶叶生产的影响—基于SVAR模型的实证研究[D].昆明: 云南财经大学, 2017.
[4] 徐江, 王修越, 黄鹏, 等. 基于灰色关联理论的汽车造型风格预测方法研究[J]. 机械设计, 2016 (2):114-117.
[5] LEE Y S, TONG L I.Forecasting energy consumption using a grey model improved by incorporating genetic programming[J]. Energy Conversion & Management, 2011, 52(1):147-152.
[6] 杨华龙, 刘金霞, 郑斌. 灰色预测GM(1,1)模型的改进及应用[J]. 数学的实践与认识, 2011, 41(23):39-46.
[7] 张彪, 刘璇, 毕金峰, 等. 基于BP人工神经网络算法的苹果制干适宜性评价[J]. 中国农业科学, 2019, 52(1): 129-142.
[8] 户佐安, 邹正丰, 包天雯. 基于BP神经网络的交通信息量预测方法[J]. 交通运输工程与信息学报, 2018 (4):81-87.
[9] 杨锋, 樊文欣, 等. 基于灰色神经网络模型的强力旋压连杆衬套屈服强度预测[J]. 塑性工程学报, 2018, 25(4): 212-216.
[10] 李彬楠, 樊贵盛. 基于灰色理论-BP神经网络方法的土壤水分特征曲线预测模型[J]. 干旱区资源与环境, 2018, 32(7):169-174.
[11] 袁景凌, 钟珞, 李小燕. 灰色神经网络的研究及发展[J].灰色神经网络的研究及发展[J]. 武汉理工大学学报, 2009, 31(3):91-92.
[12] 王小川. MATLAB神经网络43个案例分析[M]. 北京: 北京航空航天大学出版社, 2013.
[13] 胡海燕, 胡克满, 王民权. 基于BP神经网络单硅太阳电池模型参数的解析研究[J]. 计算机应用与软件, 2014 (3):55-58.

[1]	陈斌, 饶洪辉, 刘木华. 基于傅里叶描述子和Hu不变矩的油茶果识别[J]. 浙江农业科学, 2020, 61(9): 1876-1880.
[2]	叶伟华, 李杰峰. 海拔对乌牛早茶叶品质的影响[J]. 浙江农业科学, 2020, 61(8): 1512-1516.
[3]	汤帅亮, 罗列万, 金晶. 茶叶越州红品质提升技术探索[J]. 浙江农业科学, 2020, 61(8): 1563-1564.
[4]	张楠, 杨兆光, 李海普, 张兆雪. 湖南省不同种类茶叶重金属含量调查及其污染评价[J]. 浙江农业科学, 2020, 61(7): 1436-1439.
[5]	胡燕华, 季丹丹. 绍兴柯桥区平水日铸茶种植区的气候分析[J]. 浙江农业科学, 2020, 61(6): 1263-1264.
[6]	邹振浩, 沈晨, 李鑫, 张丽平, 张兰, 颜鹏, 韩文炎. 喷施叶面肥对春茶产量及品质的影响[J]. 浙江农业科学, 2020, 61(4): 686-688.
[7]	王建华, 马军伟, 俞巧钢, 虞轶俊, 孙万春, 林辉, 王峰, 吕建飞. 有机肥部分替代化肥对茶叶产量与品质的影响[J]. 浙江农业科学, 2020, 61(4): 689-691.
[8]	俞燎远. 浙江茶叶技术推广的实践与思考[J]. 浙江农业科学, 2019, 60(9): 1493-1495.
[9]	孟仲, 杨栋, 金志凤, 王治海, 陆德彪. 4月1日低温霜冻对浙江省茶叶生产的影响[J]. 浙江农业科学, 2019, 60(8): 1397-1400.
[10]	师大亮, 陈盛相, 李品武, 郭敏明, 张伟, 余继忠. 茶鲜叶清洗工艺的初步研究[J]. 浙江农业科学, 2019, 60(7): 1234-1236.
[11]	马改艳. 我国茶叶气象指数保险的实践与优化[J]. 浙江农业科学, 2019, 60(4): 681-684.
[12]	阮惠瑾, 余会康. 周宁县高、中海拔茶叶生长气候分析[J]. 浙江农业科学, 2019, 60(10): 1788-1790.
[13]	陈智威. 基于遗传算法-鲸鱼算法优化反向传播神经网络的土壤参数预测[J]. 浙江农业科学, 2019, 60(1): 125-128.
[14]	姜燕敏, 强玉华, 项晓美, 马军辉, 胡佳. 丽水茶叶生长的优势气候资源分析[J]. 浙江农业科学, 2018, 59(5): 711-714.
[15]	郑琳, 高士伟, 曹丹, 王雪萍, 王胜鹏, 叶飞, 郑鹏程, 滕靖, 刘盼盼, 龚自明. 分子印迹技术在茶叶中的应用[J]. 浙江农业科学, 2017, 58(8): 1398-1400.

基于灰色神经网络的茶叶产量预测算法

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价