文档介绍：.,2013一,I,'’·’,''”'、l工程iBP神经网络在农机总动力预测中的应用王吉权·,邱立春孙,王福林·,王英,,任艳杰,,孙福田,(,黑龙江哈尔滨150030)(,辽宁沈阳110161)摘要:准确的预测黑龙江省农机总动力,可为黑龙江省的农业机械化发展趋势和农机产品市场分析提供理论指导,—2007年农机总动力数据,运用标准BP神经网络和改进BP神经网络模型进行预测,预测结果表明,改进BP神经网络模型比标准BP神经网络模型在预测精度、运行时间、:标准BP神经网络;改进BP神经网络;农机总动力;预测1引言农业机械总动力指用于农、林、牧、渔业生产和运输的所有机械动力的总和,它反映一个地区的农业机械化发展的总体水平,是农机化发展规划的主要内容,常作为规划的主要指标列出[1--4】.,,关于农机总动力的预测方法主要有线性回归模型、移动平均法、指数平滑法、最小平方法、龚珀兹曲线和人工神经网络等【5].由于人工神经网络具有较强的非线性模拟能力,并具有预测精度高、强大的自学习和自适应能力,—2007年农机总力数据,运用改进的BP神经网络进行预测分析,,在多层感知器的应用中,,所谓收稿日期:2009-:黑龙江省教育厅项目(12511049);辽宁省自然科学基金项目(20052127);黑龙江省科技攻关项目(NB08B一011)+通讯作者万方数据1期王吉权,等:BP神经网络在农机总动力预测中的应用73三层包括了输入层、隐含层和输出层16-7】.三层感知器中,输入向量为X=(X1,X2?,‰,?z。)T,zo=一1是为隐层神经元引入阈值而设置的;隐含层输出向量为Y=(Yl,Y2,?协?Ym)T,Yo=一1是为输出神经元引入阈值而设置的;输出层输出向量为0=(01,02,?,Ok,?.,02)T;期望输出向量为d=(d1,d2,?,毗,?,d1),V=(V1,V2,?,K,?,‰),其中%为隐含层第J个神经元对应的权向量;隐含层到输出层之间的权值矩阵用w表示,w=(w1,W2,?,Wk,?,W),,有Ok=Y(僦tk)(1)mnetk=≥:wjkYjk=1,2,?,c(2)i=o图1三层BP神经J网络对于隐含层,有协=j)j=1,2,?,mnetj=∑VjkXiJ=1,2,?