基于IAGA-BP神经网络改进的降水测量

蔡辉; 李寅; 唐乃乔

doi:10.16339/j.cnki.jsjsyzdh.202503023

计算技术与自动化 ›› 2025, Vol. 44 ›› Issue (03) : 128 -132+140. DOI: 10.16339/j.cnki.jsjsyzdh.202503023

基于IAGA-BP神经网络改进的降水测量

蔡辉, 李寅, 唐乃乔

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对降水的小型化的精准测量的需求，采用了多元压电陶瓷片采集降水信号作为神经网络模型输入，并且对AGA-BP神经网络算法进行改进。首先使用该雨量计和标准雨量桶同时采集降水数据获得后期建模所需数据样本，再使用GA-BP神经网络对数据样本进行建模。融入自适应遗传算法对模型进行优化后，又针对传统AGA-BP神经网络进化后期个体适应度差异减小选择过程弱的缺点，使用了非线性函数对变异和交叉因子进行自适应调节。实验结果与数据分析显示：使用IAGA-BP神经网络拟合的降水模型的回归系数高达0.96,MSE为0.014627,决定系数R²为0.88,精度得到明显提升，为全自动化测量降水优化手段提供了新的参考。