MI-PSO-RBF算法在稻谷存储品质预测的应用研究

粮食存储安全是关系粮食安全的重要因素,稻谷作为我国主要粮食作物其存储安全尤为重要。针对稻谷存储质量检测不方便等缺点,利用径向基神经网络(RBF)根据粮食实际存储的环境因素构建稻谷脂肪酸含量的预测模型。首先为避免数据维度过大使模型精度降低,利用互信息法则(MI)进行环境变量的特征提取,选取温度、湿度等6种影响较大的环境因素;然后根据RBF神经网络参数难以确定的缺点,采用改进的粒子群算法(PSO)进行寻优;同时改变粒子群的学习因子和权重系数的确定方式,使PSO算法在前期全局全面搜索并在后期易于跳出局部最优。通过实际数据进行模型验证,与传统RBF模型和PSO-RBF模型相比,构建的存储环境-存储品质DPSO-RBF预测模型精度提高。