膜计算粒子群算法改进极限学习机的水肥预测模型研究

来源：中国农机化学报杂志2021年第4期北京时间：

作者：谢佩军;张育斌;

单位：浙江纺织服装职业技术学院机电与轨道交通学院;西安交通大学西安交通大学机械制造系统工程国家重点实验室;

摘要：针对灌溉系统水肥预测计算复杂、预测精度不高、实时性不强等问题,提出膜计算粒子群算法改进极限学习机(MCPSO-ELM)的水肥预测模型。为提高极限学习机的泛化能力和预测精度,引入粒子群算法与膜计算进行优化,利用粒子群算法的高效率搜索能力与膜计算的平行计算优势,大幅度提高收敛速度和搜索精度,不断迭代优化ELM网络的连接权值和阈值以提高预测精度,种群多样性有效解决全局搜索和局部寻优之间的平衡。建立PSO-ELM、WPSO-ELM、IPSO-ELM和MCPSO-ELM四个模型进行对比试验,MCPSO-ELM模型的预测误差小于30 m~3/hm~2,MAPE为2.0%,预测曲线与水肥实际用量曲线最为接近,预测性能明显优于其他模型。本文提出的MCPSO-ELM能够获得更高的预测精度、更好的预测效率和稳定性,可以为智能灌溉系统提供可靠参考。

关键词：膜计算,粒子群算法,极限学习机,水肥预测,智能灌溉

基金资助：国家“十三五”重点研发计划项目(2017YFD0201504) 浙江省基础公益研究计划项目(LGN20F030001) 宁波市科技富民计划项目(2017C10031)