基于改进PSO?BP算法的中药材适生地选址研究

　　摘要：中药材品质的形成和环境因子有着密切的关系，以黄岑为例，分析其生境环境因子，根据不同地理位置的环境因子，结合生物适生地分析系统数据，通过构建改进的基于大数据的神经网络模型对其进行训练，从而找到收益最高的地理位置，挖掘更高的商业价值。
　　关键词：
　　神经网络模型；大数据；种植基地；生物适生地分析系统
　　中图分类号：TP3016文献标志码：A
　　文章编号：2095-5383（2019）01-0045-03
　　Research on Adaptive Area Selection of Chinese Herbal Medicine based
　　on Improved PSOBP Algorithm
　　QI Menga，WANG Yanb，HE Ruoxuea
　　（a. School of Electronic Engineering；b. School of Network and Communication Engineering，Chengdu Technological University，Chengdu 611730， China）
　　Abstract：
　　The environmental factors are closely related to the formation of the quality of Chinese herbal medicines. Taking Huangqi as an example， its environmental factors of habitat were analyzed. Based on the environmental factors of different geographical locations and the biophysical analysis of system data， the improved neural network model was constructed based on big data. By training the improved neural network model， the most profitable geographic location can be found and the higher business value can be accessed.
　　Keywords：
　　neural network model； big data； planting base； biological adaptive analysis system
　　我國地域广阔，天然药材资源丰富。中药材除了能治病救人，还是一种珍贵的自然资源，可持续发展对其至关重要。但是近年来我国由于种植方法和地域以及自然因素的差异，中药材的质量差别很大，产量也不同[1]，为了克服上述问题，本文在中草药的适宜栽培区域划分研究的基础上，基于生物适生地分析系统数据，以黄芩的种植为例，利用改进的BP神经网络算法，方便快捷地找到对应的适合中草药种植的基地，为企业获得更多利润。
　　1BP神经网络算法与改进
　　11工作信号正向传播
　　n、q、m分别代表输入层、隐含层、输出层节点数，从输入层到输出层彼此之间的权值分别为vki和wjk，隐含层和输出层的传递函数分别为f1（·）和f2（·），隐含层节点的输出为：
　　zk=f1（∑ni=0vkixi） k=1，2，…，q（1）
　　输出层节点的输出为：
　　yj=f2（∑qk=0wjkzk）j=1，2，…，m（2）
　　12误差信号反向传播
　　首先对误差函数进行定义，学习样本的输入为P个，分别表示为x1，x2，…，xp。当第p个样本输入进网络之后，输出为ypj（j=1，2，…，m）。本次采用的函数为平方型误差函数，最终得到的样本误差Ep为：
　　Ep=12∑mj=1（tpj-ypj）2（3）
　　式中：tjp为期望输出。P个样本的全局误差为：
　　E=12∑Pp=1 ∑m j=1（tpj-ypj）2=∑Pp=1Ep（4）
　　用累计误差BP算法调整输出层权值的变化、即wjk，使全局误差E逐渐变小，即
　　Δwjk=-ηEwjk=-ηwjk（∑Pp=1EP）=∑Pp=1（-ηEpwjk）（5）
　　式中：η为学习率。定义误差信号为：
　　δyj=-EpSj=-Epyj·yjSj
　　（6）
　　其中第一项：
　　vk+1id=wvkid+c1ξ（pkid-xkid）+c2η（pkgd-xkid）（7）
　　第二项：
　　yjsj= f2′（sj）
　　（8）
　　是输出层传递函数的偏微分。于是：
　　yj=∑mj=1（tpj-ypj） f2′（sj）
　　（9）
　　由链定理得：
　　Epwjk=Epδj·δjwjk=-δyjzk=-
　　∑mj=1 （tpj-ypj） f2′（sj）·zk
　　（10）
　　输出层的权值调整公式为：
　　Δwjk=∑Pp=1 ∑m j=1η（tpj-ypj） f2′（sj）zk（11）
　　隐含层权值的变化，隐含层权值的调整采取与输出层权值调整相似的方式，从而得到隐含层各神经元的权值调整公式为：
　　Δvki=∑Pp=1∑mj=1η（tpj-ypj） f2′（sj）wjk f1′（sk）xi（12）

相关热词搜索：生地 选址 中药材 算法 改进