论文部分内容阅读
摘要利用1951--2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料，采用因子膨化及相关分析，研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA—BP神经网络以及PCA—GA-BP神经网络3种产量预报模型。结果表明：（1）7—9月份是水稻产量形成的关键时期，对气温、降水的变化最为敏感，气温对气象产量的影响大于降水；（2）两种神经网络模型预报效果好于回归模型；（3）遗传优化的神经网络模型比未优化模型的训练速度提高了70％左右，预报精度也提高了4．3％。