论文部分内容阅读
建立了基于时间序列的动态系统前馈神经网络（DBP）模型，并将该模型用于不同水肥处理条件下水稻产量的预测。该模型克服了传统静态BP模型以某个生育阶段的影响因子的过程值或最终值采建立网络结构的局限性，可以充分利用水稻生长过程中大量的动态采样数据，以便提高模型预测精度。与修正Morgan模型相比，则不需要建立具体的水分生产函数模型，适应性更强。检验表明，DBP模型预测精度较高。同时数据比较表明，DBP模型与传统BP模型及水肥综合修正Morgan模型在水稻产量预测精度方面没有本质差异。