[發明專利]一種基于BAS-RBF的番茄需水預測方法

在審

• 申請號: 202110316661.5
• 申請日: 2021-03-17
• 公開（公告）號: CN113052379A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 劉心;李玉瓊;李文竹
• 申請（專利權）人: 河北工程大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/02;G06K9/62;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于天牛須搜索算法優化徑向基神經網絡的番茄需水預測方法，包括如下步驟：首先，對數據進行預處理，篩選出主要成分指標；其次，以主要成分指標的數據作為輸入變量，利用天牛須搜索算法(Beetle Antennae Search algorithm，BAS)優化徑向基神經網絡(Radial basis function，RBF)的初始化參數；再次，以得到的最優初始化參數建立BAS-RBF預測模型，并對該模型進行訓練得到番茄結果期需水預測模型；最后，利用所述需水預測模型進行需水預測，得到預測結果。

2.根據權利要求1所述的方法，使用主成分分析(Principal Component Analysis，PCA)算法對數據進行降維和去噪，篩選出累計貢獻率大于85％的環境因素作為主要成分指標。

3.根據權利要求2所述的方法，選出的主要成分指標為：平均氣壓、相對濕度和平均氣溫。

4.根據權利要求1或2所述的方法，所述利用BAS算法優化RBF神經網絡的初始化參數包括以下步驟：

步驟1，數據處理后輸入數據；

步驟2，初始化BAS參數；

步驟3，建立隨機產生隱含層基函數中心，隱含層與輸出層間的連接權值的RBF神經網絡；

步驟4，利用天牛通過左右須覓食的原理進行目標搜索，以訓練集均方誤差作為適應度函數，計算天牛個體適應度，不斷更新直到滿足結束條件，獲得最佳天牛位置，得到最優的RBF神經網絡初始化參數。

5.根據權利要求4所述的方法，所述數據處理是將采集到的12個環境因素通過SPSS26.0進行主成分分析，篩選出平均氣壓、相對濕度和平均氣溫三個主要成分指標；所述輸入數據是指將這三個環境因素的數據作為輸入變量，將數據分為訓練集和測試集。

6.根據權利要求4所述的方法，初始化BAS參數包括設置天牛的初始位置，并保存在bestS中；設置初始步長和左右須之間的初始距離；選取訓練集的均方誤差作為適應度函數，利用適應度函數公式，計算天牛初始位置的適應度函數值，并保存到bestR中。

7.根據權利要求6所述的方法，所述步驟4進一步包括：

(1)計算左右須適應度函數值f(x_l)和f(x_r)，比較f(x_l)和f(x_r)大小關系確定天牛下一步的前進方向，移動天牛位置，更新bestS；計算此時天牛位置的適應度函數值f(x^t)，并更新bestR；其中，x_r為右須的位置坐標，x_l是左須的位置坐標，x^t是t時刻天牛的位置坐標；

(2)判斷是否滿足結束要求，是則繼續進行步驟(3)，否則更新步長和左右須之間的距離，返回至步驟(1)；

(3)迭代結束，bestS中保存的值就是BAS搜索到的天牛最佳位置。

8.根據權利要求7所述的方法，比較f(x_l)和f(x_r)大小關系確定天牛下一步的前進方向，移動天牛位置，具體是：

其中，d^t是t時刻左右須之間的距離，δ^t為t時刻天牛的步長，sign為符號函數，表示方向單位向量；

其中，k表示空間維度，rnd()表示隨機函數。

9.根據權利要求7所述的方法，結束要求是指f(x^t)達到適應度函數精度要求或迭代次數達到上限。

10.根據權利要求7所述的方法，將天牛最佳位置作為RBF神經網絡的隱含層基函數中心，再通過最小二乘法計算得到隱含層與輸出層間的連接權值，從而得到最優的RBF神經網絡初始化參數。