BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

基于粗糙集和遗传神经网络的城市日用水量预测模型

为克服日用水量主要影响因素一般采用主观判断确定的不足,利用改进粗糙集算法对影响因素进行属性约简,确定日用水量的主要影响因素。以日用水量的主要影响因素和相关日用水量为BP网络的输入,采用遗传算法优化BP网络的权阈值,建立了基于粗糙集算法和优化BP网络的日用水量预测模型。实例分析表明,与基于传统BP网络和基于遗传算法优化B...     

电力工程造价管理的控制措施探究

<正>电力工程造价管理主要是对电力工程建设过程中的各个施工环节的造价费用进行准确的估算,在具体的施工过程中,在保证施工质量和安全的情况下,以提前估算的施工造价费为基础,尽可能减少各个环节所需要的实际费用。要将提高电力企业的经济效益作为开展工程造价管理工作的核心内容,通过对电力工程项目进行全方位、多角度、多层次的具体分析,对工程施工所需要用的人力、物力进     

影响土地整治造价因素分析——以云南省曲靖市沾益县大坡乡为例

为合理控制土地整治项目造价,探析造价影响因素,进而有效指导土地整治方案设计、比选。通过分析土地整治5大单项工程基础资料,基于Delphi法从“量”“价”角度构建影响造价的综合指标评价体系,并以云南省曲靖市沾益县大坡乡为例,采用层次分析法探索土地整治造价影响因素。结果表明:大坡乡土地整治造价指标体系准则层包含3个指标,其中土地平整率对造价影响权重值高达0.507 1,设施新建率为0.368 2,综合单价最小为0.124 7;子准则层包含13个指标,其中土地平整面积权重值最大为0.507 1,其次是渠道长度和管道长度,权重值分别为0.103 6和0.092 1,费率权重值仅为0.010 4;因子层包含28个指标,坎高对工程造价的影响程度最大,权重值为0.257 2,其次是地形坡度,权重值为0.186 7,地区工资类型对造价影响程度最弱;土地平整率和设施新建率是关于“量”的影响因素,对工程造价的影响程度高达87%,综合单价是关于“价”的影响,影响程度为12%。研究结果可为土地整治方案优选和合理控制造价提供理论与方法指导,对促进我国土地整治研究具有重要意义。      

关于设计人员做好电力工程造价管理的几点经验总结

我国电力工程项目仍普遍存在严重的概算超估算、预算超概算、决算超预算的“三超”造价失控现象,严重影响了国家电力建设工程的经济效益,文章从如何控制工程造价,优化电力工程设计方案进行相关总结探讨.     

影响建筑工程安装造价的原因及控制要点

造价管理对于建筑工程而言发挥着极为重要的作用,直接影响到项目整体质量以及经济效益的实现。而安装造价虽然在总造价管理当中占据的比重较小,但其亦是项目重点管理方面,贯穿于整体工程建设当中。因此,本文从影响建筑安装造价相关因素入手,提供了对应的方法进行有效的控制,供大家参考。     

变电站分地区造价估算模型的探讨

变电站造价存在地区差异,现以《国网公司变电工程典型造价》为依据,通过分析变电站造价的构成与各项资金的流向,找出产生地区差异的主要因素,对变电站的造价模型进行改进,提出一种适合不同地区变电站造价的快速估算方法,为电网规划工作及理论研究提供参考。     

GRU网络在电动汽车SOC估算中的应用

准确估算电池充电状态(SOC)对于电动汽车安全有效地利用能源具有重要意义。考虑到电池充放电过程的数据可作为时间序列数据,本文探讨了GRU神经网络在电池SOC估算中的应用。GRU网络输入为电池电压、电流,输出为电池SOC。仿真结果表明,GRU网络能够很好地捕获SOC与可测信号之间的非线性关系,SOC估算均方根误差在3%内,平均绝对误差在2%内,对估算电池SOC具有良好的估算效果。     

二次聚类与神经网络结合的日光温室温度二步预测方法

精确预测日光温室温度是实现对温室精准调控的前提。由于温室是复杂非线性系统，受室内外众多环境因素影响，且部分因素难以准确测量和建模，因此，难以通过机理分析建立室外因素精确影响室内温度的物理模型。而现有时间序列分析、人工神经网络等仅基于数据的方法预测准确度也较低。本文提出连续时间段聚类与BP神经网络相结合的二步日光温室温度预测方法。首先，进行二次聚类，对室外温度情况相似的日进行聚类，并将全年划分为若干个类似时间段，根据连续时间段内相似日的数量进行聚类，将全年内的连续时间段归入若干类别。其次，对不同类别的时间段，分别采用BP神经网络建立室外温度、相对湿度、太阳辐射、风速和温室室内温度间的关联模型，通过数据训练，能够较为准确的根据室外环境数据预测室内温度。通过涿州实验农场2年数据试验验证，通过二次聚类，全年连续时间段可划分为3类，通过分别建立BP神经网络并分别训练，结果表明本方法预测误差仅为6.23%，与现有未分类的BP神经网络预测算法对比，本文方法有效地提高了准确度，平均误差降低5.4个百分点。     

基于DEMATEL-ISM法的水库移民安置投资控制研究

水库移民安置过程周期长、涉及面广，投资控制难度大，经常出现移民安置投资超概算问题，如何有效地控制水库移民安置投资成为迫切需要研究的问题。从项目外部环境、项目主体、项目参与方3个方面分析影响水库移民安置投资的主要因素，通过DEMATEL-ISM模型量化水库移民安置投资影响因素之间的综合作用程度，并分析不同影响因素的层次结构和整体影响关系，研究表明：本文提出的17个移民安置投资影响因素中有8个原因因素和9个结果因素；ISM将影响因素集划分为6层3类，其中建设征地和移民规模、移民实物量变化、移民安置实施进度、合同管理和项目参与者之间沟通是直接影响因素，政策调整是深层影响因素。最后根据模型计算结果提出建议：增强根本影响因素，重视中间影响因素，落实直接影响因素，以期为更加准确有效地进行水库移民安置投资控制工作提供参考。     

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据.     

基于BP神经网络工具箱实现函数逼近

运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab神经网络工具箱中专门编制了大量有关设计BP网络模型的工具函数.文章分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数,结合一个实际的例子详细阐述了基于BP神经网络的函数逼近过程及其MATLAB实现方法.     

基于BP神经网络的甘蔗收获机切割器振动性能研究

针对小型甘蔗收获机切割器不平衡对切割器轴向振动的影响,为实现切割器振动的有效预测以及自动控制信号的获取,通过正交试验并利用BP神经网络技术与回归分析构建出了切割器螺旋以及刀盘振动的BP神经网络模型和回归模型。分析结果表明:基于BP神经网络建立模型的切割器螺旋与刀盘的振动正确拟合率达到了88.89%,且相对误差基本上在5%以内,而回归模型的切割压力正确拟合率只有38.89%。因此,基于BP神经网络建立的模型具有较高的精度,通过此BP神经网络模型,有效地解决了复杂信息特征的提取问题,减少了试验研究的次数与成本,为进一步的切割器刀盘以及螺旋振动的自动控制系统的研发奠定了基础。     

基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

基于神经网络的传感器非线性校正方法

BP神经网络是基于数值计算的知识处理系统，具备高度非线性映射的能力。为此，通过BP神经网络对样本数据进行训练，得到非线性校正模型及精度值，然后与传统的曲线拟合方法进行比较分析。结果显示，基于神经网络模型的传感器非线性校正方法具有良好的测试精度和实用性。     

基于无人机遥感影像的核桃冠层氮素含量估算

叶片氮素含量是评价植被生长状况的重要指标,快速、准确监测核桃树冠层氮素含量的变化,对及时掌控树体长势、实施精准管理具有重要意义。本研究通过低空无人机遥感平台搭载GS-2型成像光谱仪,获取了果实膨大期5年生核桃林地的高光谱遥感影像数据。利用ENVI 5.3软件对观测范围内的核桃、土壤以及阴影区域进行识别提取,根据不同地物的波谱差异寻找核桃与土壤、阴影区域之间无交集且差异较大的波段区间,确定冠层的范围,并通过支持向量机方法验证其提取精度;根据NDVI、RVI和DVI植被指数筛选指示冠层氮素含量的特征敏感波段,分析了9种光谱参数对核桃冠层氮素含量的估算能力及其相关性,并将筛选的特征敏感波段作为BP神经网络模型的输入变量,进行了核桃冠层氮素含量的估算。结果表明：当B100 (550.7)处的光谱反射率大于0.10,且 B233 (779.4) 处的光谱反射率大于0.70时,可有效识别和确定核桃树冠层范围,制图精度高达96.43%。在分析核桃树冠层氮素含量与NDVI、RVI、DVI植被指数相关关系的基础上,确定了B33 (440.6)、B165 (660.7)、B186 (697.0)和B347 (986.4)为指示氮素含量的特征敏感波段。9种光谱参数中,以B347 (986.4)和B186 (697.0)重构的NDVI(986.4,697.0) 在核桃林地冠层氮素含量的诊断中更接近实测值,估算模型精度最高。基于BP神经网络建立的估算模型较9种光谱参数具有更高的估算精度,测试集R 2 达0.805,具有一定的估算可靠性。     

BP网络、Hopfield网络在水质评价应用中的比较研究

针对BP网络、Hopfield网络在水质评价的应用问题,建立BP网络、Hopfield网络水质评价模型,对BP网络、Hopfield网络从结构、输入输出、稳定性、评价结果等方面进一步地分析比较。然后以东辽河为例,运用BP网络、Hopfield网络、模糊评价法、内梅罗指数法4种水质评价方法进行水质评价,通过比较评价结果进行深入研究。结果表明,Hopfield神经网络更适用于水质评价。对神经网络方法水质评价问题进行探讨,试图找出BP网络、Hopfield网络方法在水质综合评价中的优缺点,具有非常现实的意义。     

基于无人机多光谱遥感的芳樟矮林SPAD反演

为实现利用多光谱技术开展芳樟叶绿素相对含量(SPAD)监测，及时快速诊断芳樟矮林生长状况，为田间管理决策提供信息支持，以红壤区芳樟矮林为研究对象，利用无人机多光谱遥感影像，提取波段反射率，筛选植被指数，分别以波段反射率和植被指数为模型输入量，采用偏最小二乘回归、支持向量回归、反向传播(Back propagation, BP)神经网络和径向基函数(Radial basis function, RBF)神经网络4种方法构建芳樟矮林SPAD反演模型，并对比不同输入量、不同模型模拟结果的反演精度。研究结果表明：对比两种不同的输入量，在同一模型反演的精度相差不大；其中，基于偏最小二乘回归法，以植被指数为模型自变量估测芳樟矮林SPAD效果略优；基于支持向量回归、BP神经网络和RBF神经网络，以波段反射率为模型自变量估测芳樟矮林SPAD效果略优；对比4种建模方法，不同方法建模预测精度不同，与偏最小二乘回归、支持向量回归和BP神经网络相比，基于RBF神经网络反演芳樟SPAD的精度最高，以波段反射率和植被指数为模型输入量的测试集为例，其决定系数R²分别为0.788、0.751,均...     

甘蔗收获机切刀负载压力的神经网络预测

为了实现切刀负载压力预测以及入土切割自动控制信号获取,结合正交试验和BP神经网络与回归分析分别建立了切刀负载压力的预测数学模型.结果表明:BP神经网络构建的切割负载压力数学模型准确拟合率达到了85.2％,而回归分析构建的切割负载压力模型准确拟合率只有33.3％;对构建的切刀负载压力BP神经网络模型在新的试验因素下得到的...     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。