基于贝叶斯正则化BP神经网络的日光温室温度预测模型 |
| |
摘 要: | 针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。
|
Temperature Prediction Model for Sunlight Greenhouse Based on Bayesian Regularization BP Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|