典型文献
基于GA-Adam优化算法的BP神经网络农业灌水量预测模型
文献摘要：
针对传统BP神经网络预测农业灌水量时存在易陷入局部最小值、难以选择合适学习率的问题,提出了一种基于遗传算法和Adam算法并行优化BP神经网络的农业灌水量预测模型.该模型利用遗传算法对BP神经网络进行初始权值和阈值的预筛选,然后采用Adam算法来实现学习率自适应于参数梯度不断更新.收集黄河流域陇中片灌溉分区内7个典型灌区的气象数据以及玉米实测灌水数据对模型进行训练,同时与传统GD法、GA法、Adam法下的网络模型进行对比.结果表明:GA-Adam模型仅在训练次数为67次,训练时长为0.403 s时便达到预设精度;且GA-Adam模型预测值与期望值的RMSE和MAE最小,分别为54.73和47.76,决定系数R2为0.81,总体预测效果最好.
文献关键词：
农业灌水量预测;BP神经网络;遗传算法;Adam算法;GA-Adam
中图分类号：
作者姓名：
王建辉;冉金鑫;沈莹莹;韩振中;崔远来;罗玉峰
作者机构：
武汉大学水资源与水电工程科学国家重点实验室,武汉 430072;中国灌溉排水发展中心,北京 100054
文献出处：
引用格式：
[1]王建辉;冉金鑫;沈莹莹;韩振中;崔远来;罗玉峰-.基于GA-Adam优化算法的BP神经网络农业灌水量预测模型)[J].中国农村水利水电,2022(04):138-143
A类：
农业灌水量预测
B类：
GA,Adam,神经网络预测,局部最小值,学习率,并行优化,权值,应于,不断更新,黄河流域,灌溉,典型灌区,气象数据,GD,期望值,RMSE,MAE,决定系数
AB值：
0.21077
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
