基于MIV的NRDBA-BP参考作物腾发量预测

针对BP神经网络在参考作物腾发量(ET 0)计算方面存在稳定性差、易陷入局部最优的缺陷,通过平均影响值算法(MIV)和SPSS软件对影响ET 0的变量进行筛选,消除多重共线性,同时计算各变量对ET 0的相对贡献率,选择相对贡献率较高的3个变量作为输入;同时,提出改进的非线性随机递减蝙蝠算法(NRDBA)对BP神经网络的权值和阈值进行优化,该算法将非线性随机递减权重引入速度更新公式中以提高算法的全局收敛性。将改进的NRDBA-BP算法应用于商丘地区的ET 0预测中,并建立BP、BA-BP和PSO-BP三种预测模型与之进行对比。实验结果表明,4种模型中,NRDBA-BP模型的R 2值最大,MSE最小,这表明提出的NRDBA-BP模型与ET 0的真实值更加接近,其预测精度更高,可以有效提高ET 0的预测能力。