基于人工鱼群算法的农田灌溉水质评价投影寻踪分析

在分析影响灌溉用水水质因素的基础上,选择酸度、碱度和矿化度为评价因子,建立了灌溉用水水质评价的投影寻踪分析模型,采用人工鱼群算法对评价模型进行优化,并将该模型应用于某灌区灌溉水质的评价。结果表明,用投影寻踪回归分析法进行水质评价。避免了传统评价方法由于主观原因造成的误差,评价结果合理可信,方法简单,为灌溉用水水质的评价提供了新途径。     

蚁群投影寻踪回归在农田灌溉水质评价中的应用

在分析影响灌溉用水水质因素的基础上,选择酸度、碱度和矿化度为评价因子,建立了灌溉用水水质评价的投影寻踪分析模型,采用蚁群算法对评价模型进行优化,并将该模型应用于某灌区灌溉水水质的评价.研究表明,用投影寻踪回归分析法进行水质评价,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为灌溉用水水质的评价提供了新途径.     

基于模拟退火算法对灌溉用地下水水质评价的投影寻踪分析

选择酸度、碱度和矿化度为评价因子,建立了灌溉用地下水水质评价的投影寻踪分析模型,采用模拟退火算法对评价模型进行优化,并将该模型应用于某灌区灌溉水质的评价.研究表明,用投影寻踪回归分析法进行水质评价,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为灌溉用水水质的评价提供了新途径.     

基于突变理论地下水灌溉用水水质的综合评价

在分析影响灌溉用水水质因素的基础上.选择盐度、碱度和矿化度为评价因子,利用突变评价模型构建了地下水灌溉用水水质评价系统,并将该方法应用于宁夏回族自治区平罗县前进乡农田灌区灌溉水质的评价.结果表明,用突变评价模型进行水质评价,避免了传统分类方法由于主观原因造成的误差,评价结果客观准确、方法简单,为地下水水质评价提供了新途...     

Hopfield网络在水质综合评价中的应用

利用Matlab的神经网络工具箱,建立了离散型Hopfield神经网络的水质评价模型,并对沱江水质进行评价,给出反应沱江水质现状的仿真结果,同时将该结果与其它模型的仿真结果进行比较,表明该方法可行,具有一定的应用价值.     

基于物元分析法的吐鲁番市灌溉用水水质综合评价（英文）

利用物元分析法构建新疆吐鲁番市各项灌溉用水水质评价综合物元模型,对吐鲁番市各项灌溉用水(如渠水、泉水、坎儿井水、机井水)的水质进行评定。结果表明:10月份灌溉用水水质较好,为Ⅰ级或Ⅱ级;5月份部分灌溉水质为Ⅲ级,水质较差,易造成土壤盐碱化;3月份检测的煤窑沟流域水样水质均为Ⅳ级,不适宜作为农田灌溉用水。对物元分析法、模糊评价法的评价结果对比显示,2种方法的评价结果基本吻合,并且取得了较好的一致性。     

基于物元分析法的吐鲁番市灌溉用水水质综合评价

利用物元分析法构建新疆吐鲁番市各项灌溉用水水质评价综合物元模型,对吐鲁番市各项灌溉用水(如渠水、泉水、坎儿井水、机井水)的水质进行评定。结果表明:10月份灌溉用水水质较好,为Ⅰ级或Ⅱ级;5月份部分灌溉水质为Ⅲ级,水质较差,易造成土壤盐碱化;3月份检测的煤窑沟流域水样水质均为Ⅳ级,不适宜作为农田灌溉用水。对物元分析法、模糊评价法的评价结果对比显示,2种方法的评价结果基本吻合,并且取得了较好的一致性。     

基于物元分析法的吐鲁番市灌溉用水水质综合评价

利用物元分析法构建新疆吐鲁番市各项灌溉用水水质评价综合物元模型,对吐鲁番市各项灌溉用水(如渠水、泉水、坎儿井水、机井水)的水质进行评定.结果表明:10月份灌溉用水水质较好,为Ⅰ级或Ⅱ级;5月份部分灌溉水质为Ⅲ级,水质较差,易造成土壤盐碱化;3月份检测的煤窑沟流域水样水质均为Ⅳ级,不适宜作为农田灌溉用水.对物元分析法、模糊评价法的评价结果对比显示.2种方法的评价结果基本吻合,并且取得了较好的一致性.     

基于模糊综合评价对机械水质的评价

本文主要研究神经网络、层次分析法和模糊综合评价法在机械产生的废水中的评价结合应用;选取了KMnO4、TN、TP、NH3-N、BOD5 5项评价指标,通过神经网络确定了5项指标的权重;根据国家水质评价指标,利用模糊综合评价模型,对采样点水质进行了评价,为水质修复领域提供了依据。     

基于RAGA-PPCE模型的滨州市流域水质综合评价

以山东省滨州市重点流域水质为例,采用RAGA-PPCE模型对水质进行综合评价。选取对水体影响较大的pH、化学需氧量(COD)、总磷(TP)、总氮(TN)、氨氮(NH3-N)、溶解氧(DO)6项水质评价因子,构造水质综合评价分级标准。结果表明:RAGA-PPCE模型水质评价结果与模糊综合法评价结果基本相同;RAGA-PPCE模型评价结果客观、合理,能够有效应用于水质综合评价。     

Elman反馈型神经网络模型在灌溉用水量预测中的应用

灌溉用水量的预测对灌区的灌溉管理起着重要的作用。运用神经网络中Elman反馈型神经网络建立了灌溉用水量预测模型,模型输入层神经元数目为4,输出层神经元数目为1,隐含层神经元数目确定采用试验法,最终确定为10。预测结果表明:该方法与传统的预测方法相比,具有网络稳定性高,训练误差曲线比较平滑,模型预报精度较高等优点。     

基于MATLAB7的神经网络在灌溉用水量预测中的应用研究

灌溉用水量的预测对于灌区管理工作具有重要的指导意义,使用神经网络方法预测灌溉用水量。介绍了BP网络的算法步骤,并且以铁甲灌区为例,使用软件MATLAB7对所设计的网络进行学习和训练,隐含层单元数的选取采用实验法,最终以隐单元数为13的网络预测性能最好,误差也达到精度要求。所建模型可以预测铁甲灌区的灌溉用水量。     

基于BP神经网络的灌区耗水量模拟预测模型

青铜峡灌区耗水量是一个复杂的非线性系统,受多种因素的影响,而农业耗水量是耗水大户.将影响灌区农业耗水量的主要因素:引水量、排水量、降雨量、蒸发量和地下水位埋深作为影响因子,建立青铜峡灌区灌溉耗水量的BP神经网络预测模型.结果表明,应用此网络,对2001-2003年灌区灌溉耗水量进行了预测,误差满足要求,精度较高,说明网络函数的选取和结构设计较为合理,该模型可用于灌区农业耗水量的预测.     

交替沟灌玉米灌浆期茎流影响因子敏感性分析与模型适用性研究

【目的】应用人工神经网络对不同处理玉米茎流进行精准预测,为推算玉米蒸腾耗水量以及制定合理的灌水方案提供新思路。【方法】试验研究对象为夏玉米,品种为西农985。试验设置3个处理,分别为交替沟灌高水处理（alternate furrow irrigation,AFI1）、交替沟灌低水处理（alternate furrow irrigation,AFI2）和常规沟灌处理（conventional furrow irrigation,CFI）。AFI1、AFI2每次灌水量为CFI灌水量的2/3和1/2。利用通径系数与互信息分析不同处理的影响因素与玉米茎流相关关系,基于人工神经网络理论建立了玉米茎流速率估算模型,以主成分回归模型为对比,对两个模型预测精度和稳定性进行评价。【结果】（1）不同处理对环境因子的响应有所差异,影响CFI、AFI1玉米茎流的主要因素是气象因子,影响AFI2处理玉米茎流的主要因素是土壤水分;（2）不同土层含水量对各处理茎流的影响也有所不同,研究发现10-20 cm和20-30 cm土层含水量与玉米茎流相关程度最高。利用不确定性分析法进一步分析得出,常规处理与高水处理水平下,与茎液流变化关系最密切的土壤含水层为20-30 cm,其次是10-20 cm,低水处理水平下,最敏感的土层为10-20 cm,其次是20-30 cm;（3）根据模型误差分析与模型不确定性分析,神经网络模型RMSE、d-factor值较小,R²值达到了0.9以上,说明神经网络模型预测精度更高,模型更稳定。【结论】与传统方法相比,人工神经网络模型可以快速准确地对茎流进行预测,对指导玉米灌溉具有重要的指导意义。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

基于模糊优选BP神经网络模型的作物-水盐响应关系模拟研究

棉花在诸多影响因素下,生长过程表现为复杂的非线性,使其水-盐的响应关系难以用传统的数学模型进行精确描述。本研究基于大田棉花膜下咸淡水滴灌试验成果,采用模糊优选BP神经网络模型,对籽棉产量与灌溉水量和灌溉水矿化度的响应关系进行了模拟。结果表明：该模型的模拟结果精度良好。模拟得到的连接权重矩阵可良好地表达籽棉产量与各生长阶段微咸水处理水平之间的响应关系,在微咸水灌溉技术中具有一定的指导意义。     

Combined Method of Chaotic Theory and Neural Networks for Water Quality Prediction

Chaos theory was introduced for water quality, prediction, and the model of water quality prediction was established by combining phase space reconstruction theory and BP neural network forecasting method. Through the phase space reconstruction, the one-dimensional water quality time series were mapped to be multi-dimensional sequence, which enriched the spatial information of water quality change and expanded mapping region of training samples of BP neural network. Established model of combining chaos theory and BP neural network were applied to forecast turbidity time series of a certain reservoir. Contrast to BP neural network method, the relative error and the mean squared error of the combined method had all varying degrees of lower. Results indicated the neural network model with chaos theory had the higher prediction accuracy, at the same time, it had better fault-tolerant capability and generalization performance .     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004~2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

神经网络技术在节水灌溉专家系统中的应用

针对传统专家系统开发和应用过程中存在的问题,利用神经网络的学习功能、记忆功能和并行处理的优势,提出了用神经网络建立专家系统的方法,构造了神经网络专家系统的基本框架,并介绍了神经网络专家系统在节水灌溉上的应用。     

Study on Maize-water Model for Supplemental Irrigation in Loess Plateau

The Loess Plateau has a typical semi-arid climate, and the area suffers from very harsh ecological environment, severe soil erosion and water runoff, and uneven distributed precipitation. Due to the re...