[1]李思宇,李玥.基于KPCA-SSA-BP的农业气象灾害预测[J].江苏农业学报,2023,(06):1366-1371.[doi:doi:10.3969/j.issn.1000-4440.2023.06.012]
　LI Si-yu,LI Yue.Agricultural meteorological disaster prediction based on KPCA-SSA-BP[J].,2023,(06):1366-1371.[doi:doi:10.3969/j.issn.1000-4440.2023.06.012]
点击复制

基于KPCA-SSA-BP的农业气象灾害预测()
分享到：

江苏农业学报[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2023年06期
页码:
1366-1371
栏目:
农业信息工程
出版日期:
2023-09-30

文章信息/Info

Title:
Agricultural meteorological disaster prediction based on KPCA-SSA-BP
作者:
李思宇1; 李玥2
(1.甘肃农业大学理学院，甘肃兰州730070；2.甘肃农业大学信息科学技术学院，甘肃兰州730070)
Author(s):
LI Si-yu1; LI Yue2
(1.College of Science, Gansu Agricultural University, Lanzhou 730070, China;2.College of Information Science and Technology, Gansu Agricultural University, Lanzhou 730070, China)
关键词:
农业气象灾害; 核主成分分析(KPCA); 反向传播(BP)神经网络模型; 麻雀搜索算法; 粒子群算法; 遗传算法
Keywords:
agrometeorological disaster; kernel principal component analysis (KPCA); backpropagation (BP) neural network model; sparrow search algorithm;  particle swarm algorithm; genetic algorithm
分类号:
S421
DOI:
doi:10.3969/j.issn.1000-4440.2023.06.012
文献标志码:
A
摘要:
农业气象灾害对农业发展有很大阻碍，为优化农业气象灾害预测的估算模型，本研究以山东省作为研究区域，利用核主成分分析(KPCA)对影响因子进行降维，以传统反向传播(BP)神经网络模型为基础，基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法，构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明，在旱灾受灾率的模型评价指标对比中，发现与传统BP神经网络模型相比，SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%；在洪灾受灾率的模型评价对比中，发现与传统BP神经网络模型相比，SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。
Abstract:
Agrometeorological disasters are great obstacles to agricultural development. In order to optimize the estimation model for agrometeorological disaster prediction, this study took Shandong province as the study area, and used the kernel principal component analysis (KPCA) to downscale the influencing factors. Based on the traditional backpropagation (BP) neural network model, the sparrow search algorithm (SSA), particle swarm algorithm (PSO), and genetic algorithm (GA) optimization algorithms were used to construct three optimization models, SSA-BP, PSO-BP and GA-BP. The results showed that in the prediction of drought disaster rate, compared with the traditional BP neural network model, the root mean square error (RMSE) of SSA-BP, PSO-BP and GA-BP neural network models decreased by 23.55%, 12.28% and 17.74% respectively. In the prediction of flood disaster rate, compared with the traditional BP neural network model, the RMSE of SSA-BP, PSO-BP and GA-BP neural network models decreased by 29.96%, 9.49% and 13.88% respectively. These results indicated that the SSA-BP model was better than the traditional BP neural network model, PSO-BP neural network model and GA-BP neural network model in predicting the damage rate of drought and flood.

参考文献/References:

[1]赵娅君,郑粉莉,姚亚庆，等. 1978-2018年我国农业气象灾害时空变化特征[J].自然灾害学报,2022,31(1):198-207.
[2]朱晓华. 我国农业气象灾害减灾研究[J].中国生态农业学报,2003，11(2):139-140.
[3]桑婧,郝璐. 近30年中国主要农业气象灾害典型场时空格局分异特征[J].中国生态农业学报,2018,26(9):1302-1314.
[4]于小兵,卢逸群,吉中会，等. 近45 a来我国农业气象灾害变化特征及其对粮食产量的影响[J].长江流域资源与环境,2017,26(10):1700-1710.
[5]黄 慧,董小伟,朱晓东. BP神经网络模型在环境气象灾害预测中的应用研究——以湖南省为例[J].环境科学与管理,2015,40(6):44-49.
[6]LI B, ZHANG S. Multidimensional research on agrometeorological disasters based on grey BP neural network[J]. Grey Systems: Theory and Application, 2020, 11(4): 537-555.
[7]史风梅,裴占江,王粟，等. 利用灰色预测模型预测黑龙江省主要农业气象灾害[J].黑龙江农业科学,2017(12):27-31.
[8]李博,冯俏彬,戚克维. 基于改进的神经网络模型预测气象灾害经济损失——以广东省台风灾害为例[J].重庆理工大学学报(自然科学),2021,35(4):247-253.
[9]杨雪雪,刘强. 基于KPCA-RBF模型的风暴潮灾害经济损失预测[J].海洋科学,2021,45(10):32-39.
[10]LUAN Z B. Research on geological disaster forecast method based on PCA structure BP model[J]. Journal of Physics: Conference Series,2021. DOI:10.1088/1742-6596/2083/4/042004.
[11]谢萍,张双喜,金涛勇，等. 武汉市GRACE水储量变化与气象干旱关联趋势分析[J].排灌机械工程学报,2023, 41(6):624-629.
[12]邓梅,刘热雄,王雪琦，等. 湖南省油菜连阴雨灾害指标及产量损失评估[J].江苏农业科学,2021,49(17):96-100.
[13]徐敏,孔维财,徐经纬，等. 基于游程理论和CWDIa的农业干旱时空特征分析[J].江苏农业学报,2021,37(2):362-372.
[14]刘程. 山东省典型农业气象灾害分析及应对措施[J].农业灾害研究,2021,11(7):97-98.
[15]中华人民共和国农业农村部. 新中国60年农业统计资料[M]. 北京: 中国农业出版社, 2009.
[16]蒋红花. 山东省干旱灾害的变化特征及相关分析[J].灾害学,2000，15(3):51-55.
[17]杨方,李茂松,王春艳，等. 全国及区域尺度上农业旱灾受灾率分级研究[J].灾害学,2014,29(4):209-214.
[18]薛德强,王建国,王兴堂，等. 山东省的干旱化特征分析[J].自然灾害学报,2007，16(3):60-65.
[19]SCHLKOPF B, SMOLA A, MLLER K R. Nonlinear component analysis as a kernel eigenvalue problem[J]. Neural Computation, 1998, 10(5): 1299-1319.
[20]XUE J, SHEN B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020, 8(1): 22-34.
[21]贾丙宏,祝文硕,王瑞富,等. 基于SSA-BP神经网络模型的风暴潮灾害损失评估[J].海洋预报,2022,39(2):50-58.
[22]谢兆贤,宋玉波,辛沛霖. 面向对象计数模型中的新型评价指标[J].计算机应用,2022,42(增刊2):267-271.
[23]李阳海,王坤,黄树红，等. 粒子群优化算法及其在发电机组调速系统参数辨识中的应用[J].热能动力工程,2011,26(6):747-750，778-779.
[24]单晓英,任迎春. 基于改进麻雀搜索优化支持向量机的渔船捕捞方式识别[J].计算机科学,2022,49(增刊1):211-216，222.
[25]胡建华,黄宇龙,张坚，等. 基于麻雀搜索算法优化双隐含层BP神经网络的张力减径钢管壁厚预测[J].塑性工程学报,2022,29(8):145-151.
[26]WANG X, LIU J, HOU T, et al. The SSA-BP-based potential threat prediction for aerial target considering commander emotion[J]. Defence Technology, 2022, 18(11): 2097-2106.

备注/Memo

备注/Memo:
收稿日期:2022-10-02基金项目:国家自然科学基金项目(32060437、31360315)；甘肃农业大学青年导师基金项目(GAU-QDFC-2020-12)作者简介:李思宇(1997-)，女，河南商丘人，硕士研究生，主要从事农业信息化研究。(E-mail)15090638236@163.com通讯作者:李玥，(E-mail)liyue@gsau.edu.cn
更新日期/Last Update: 2023-11-17