人工神经网络在相对湿度预测中应用研究.pdf

现代食品科技 Modern Food Science and Technology 2013, Vol.29, No.6 人工神经网络在相对湿度预测中的应用研究 1,2,3 3,4 2,3 2,3 郭庆春 ，何振芳 ，惠英 ，李雪 （1.陕西广播电视大学，陕西西安710119）（2.中国科学院地球环境研究所黄土与第四纪国家重点实验室，陕西 西安 710075）（3.中国科学院大学，北京 100049）（4.中国科学院寒区旱区环境与工程研究所，甘肃兰州730000） 摘要：相对湿度环境是农业生产监测与预测的重要内容，关系到植物的生长状况、多种病害的生态防治和灌溉措施的调节。针 对相对湿度变化规律相当复杂，影响因素间非线性程度相当高，为了提高相对湿度预测精度，提出一种基于BP 人工神经网络的相对 湿度预测模型。该模型采用气象要素（日照时数、降水量、最小温度、平均温度和最大温度）实测数据作为神经网络的输入样本，并 根据试验观测资料对模型进行了检验。结果表明：利用此模型分别对 1987~1998 年和 1999~2000 年陵水地区月平均相对湿度进行模 拟和预测，相对湿度拟合值与实测值的相对误差为0.21%，相对湿度预测值与实测值的相对误差为0.28% 。改进的BP 人工神经网络 能准确地捕捉相对湿度的变化趋势。运用BP 人工神经网络方法进行相对湿度的研究，方法简洁，结果直观易懂，同时也为其他区域 相对湿度研究提供借鉴。 关键词：人工神经网络；相对湿度；日照时数；降水量；平均温度；预测 文章篇号：1673-9078(2013)6-1297-1301 Application of Artificial Neural Network to Relative Humidity Prediction GUO Qing-chun1,2,3, HE Zhen-fang3,4 , XI Ying2,3, LI Xue2,3 (1.Shaanxi Radio TV University, Xi’an 710119, China) (2.State Key Laboratory of Loess and Quaternary Geology, Institute of Earth Environment, Chinese Academy of Sciences, Xi’an 710075, China) (3.University of Chinese Academy of Sciences, Beijing 100049, China) (4.Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences, Lan’zhou 730000, China) Abstract: Relative humidity environment is an important item of agricultural production monitoring and forecasting. Relative humidity concerns to plant growth condition, ecological prevention and control of several plant diseases, irrigation regulation. Because relative humidity has many affecting factors, there are nonlinear relations between relative humidity and its influence factors . An improved BP artificial neural network was put forward as the relative humidity prediction model, in order to improve the relat