中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于粗糙集和BP神经网络的粮食产量预测研究 东北农业大学学报 2014 (10) 100-105
Position: Home > Articles > Study on prediction of grain yield based on rough set and BP neural network Journal of Northeast Agricultural University 2014 (10) 100-105

基于粗糙集和BP神经网络的粮食产量预测研究

作  者：
徐兴梅;曹丽英
单  位：
吉林农业大学信息技术学院
关键词：
粗糙集;属性约简;BP神经网络;产量预测
摘  要：
为提高粮食产量的预测精度,提出一种基于粗糙集和BP神经网络的粮食产量预测方法。该方法以吉林省粮食总产量的历史数据作为研究对象,利用粗糙集理论的属性约简特性,识别与粮食产量相关性较大的影响因素,剔除非主要影响因素,利用约简后数据建立RSBP神经网络预测模型。结果表明,粗糙集理论能有效减少数据的维数及噪声,减少神经网络的计算量,结合两种方法能有效提高预测速度和精度。
译  名：
Study on prediction of grain yield based on rough set and BP neural network
作  者：
XU Xingmei;CAO Liying;School of Information and Technology,Jilin Agricultural University;
关键词：
rough set;;attribute reduction;;BP neural network;;yield prediction
摘  要：
In order to improve the accuracy of the prediction of grain yield, a prediction method of grain yield based on rough set and neural network BP is proposed. The historical data of the total grain yield of Jilin Province was taken as the research object, it used the characteristic of the attribute reduction to identify the factors associated with grain yield correlation of rough set theory, and to eliminate the secondary influence factors. Then the prediction model of RSBP neural network was established by using it. The results was shown that rough set theory could effectively reduce the dimension and noise of data, and reduced the amount of neural network computations. The combination of 2 methods could effectively improve the prediction of speed and precision.

相似文章

导出引用
计量
文章访问数: 17
HTML全文浏览量: 0
PDF下载量: 1

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46