基于模糊聚类和神经网络的干旱等级预测模型
干旱是造成小麦减产的主要因素之一.利用模糊聚类方法对1970年至2009年甘肃省定西县小麦、玉米、洋芋和油料四种作物的产量进行数据聚类分析,得出相应年份的受旱等级.再选择制约干旱发生的四个因素,利用三层人工神经网络建立基于作物产量的BP神经网络预测模型.模型选用1970年至2005年月平均最低温度、平均最高温度、平均辐射度和平均降雨量四个参数作为神经网络的输入层数据,受旱等级作为输出层数据,选用模糊聚类得出的1970年至1978年和1990年至1999年的数据训练神经网络,选用2000-2005年的数据验证干旱等级预测模型的准确性及可行性.结果表明:这与甘肃定西地区的农业生产实践是基本一致的.
农业气象 干旱 等级预测 模糊聚类 神经网络
李艳梅 李广
甘肃农业大学信息科学与技术学院,甘肃兰州,730070
国内会议
重庆
中文
148-150
2014-10-01（万方平台首次上网日期，不代表论文的发表时间）