[发明专利]一种小麦生长期真菌毒素污染预测方法

权利要求书

1.一种小麦生长期真菌毒素污染预测方法，其特征在于，利用遗传算法优化人工神经网络的函数逼近，提高小麦生长期真菌毒素污染的预测精度，所述方法包括以下步骤：

A.建立人工神经网络模型，统计影响小麦生长期真菌毒素污染的数据，作为人工神经网络的输入；

B.计算神经网络隐含层和输出层中神经元的输入、输出值，设立神经网络的训练样本和目标函数；

C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围，确定神经网络的函数逼近能力；

D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索，逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系，提高小麦生长期真菌毒素污染的预测精度。

2.根据权利要求1所述的小麦生长期真菌毒素污染预测方法，其特征在于，所述步骤A包括：

(1)建立人工神经网络模型，记录小麦生长期间的温度、湿度数据；定时检查小麦体的机械损伤和虫害损伤程度，并记录数据；记录小麦生长期间杀虫剂和杀真菌剂的用量及时间数据；记录小麦生长期间的雨水、光照数据；

(2)统计上述数据作为人工神经网络的输入神经元，输出神经元为真菌毒素污染的范围和程度，输入神经元与输出神经元之间通过隐含层的神经元结点进行连接。

3.根据权利要求2所述的小麦生长期真菌毒素污染预测方法，其特征在于，所述步骤B包括：

(1)设立神经网络的输入层、隐含层和输出层的神经元分别有N，K，M个，输入层的第i个神经元的输入和输出分别为XI_i，XO_i

①隐含层第j个神经元的输入为：

其中，ω_ij是输入层第i个神经元到隐含层第j个神经元的权重，ξ_j是隐含层第j个神经元的阈值；

隐含层第j个神经元的输出为：

其中，φ(x)是神经网络的激活函数，将神经元的输入映射到输出端；

②输出层第k个神经元的输入为：

其中，ω_kj是隐含层第j个神经元到输出层第k个神经元的权重，ξ_k是输出层第k个神经元的阈值，

输出层第k个神经元的输出为：

(2)设立神经网络的训练样本有Q个，输入向量、实际输出向量、期望输出向量分别为：

1]]>	2]]>	...	Q]]>
1]]>	2]]>	...	Q]]>
1]]>	2]]>	...	Q]]>

则第p个样本的均方误差为：

其中，是第k个输出层神经元的第p个训练样本的期望输出，是第k个输出神经元的第p个训练样本的实际输出，通过神经网络的学习训练使MSE_p最小。