基于Spark的EIDA-BP算法对农作物产量的预测

在大数据环境下,为了提高农作物产量预测精确度和运算速度,提出首先基于Spark框架下处理海量数据方法,提高大数据处理速度。然后,运用上代精英位置组合策略实现个体增强优化DA算法(即EIDA算法),使DA算法摆脱收敛早熟困境,再利用EIDA很强的全局搜索能力帮助BP算法找出最佳初始化权值和阀值,避免其陷入局部极小值,提高BP算法精确度。实验结果表明:基于Spark框架下的EIDA-BP算法的农作物产量预测,不管是速度还是精确度都比其他类型的BP神经网络预测的高。