论文部分内容阅读
针对传统水蜜桃种植过程中环境监测实时性差、人力物力浪费严重的现状,通过无线传感网络技术(WSN),本文在果园环境监测系统的基础上提出一种优化极限学习机的湿度预测方法(PSO-ELM)。该方法首先使用主成分分析法(PCA)对环境监测数据进行分析,实现数据的降维。然后利用粒子群算法(PSO)优化极限学习机(ELM)的初始权值、偏置,对训练集和测试集分别进行测试。以果园环境监测系统中9天(1296组)数据为测试对象,将PSO-ELM算法与线性回归、ELM神经网络进行对比,验证预测方法的可靠性。实验结果表明