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。     

基于修正组合模型的包头市用水量预测分析

【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。     

基于集合经验模态分解的农业灌溉用水量预测

为提高农业灌溉用水量(非平稳时间序列)的预测精度,利用集合经验模态分解处理江苏省农业灌溉用水量序列(2004—2012年),将其分解成不同尺度上的平稳序列,然后用灰色预测和时间序列法分别对分解后的时间序列进行预测,利用2013年灌溉用水量数据检验预测结果,相对误差小于2%,表明模型预测结果精度较高。本研究为灌溉用水量预测提供了一种新的方法。     

灰色等维新息模型在灌溉用水量预测中的应用研究

在分析现有灌溉用水量预测方法的基础上,运用灰色系统理论建立了等维新息模型GM(1,1),并用同步残差等维新息模型进行修正。结果表明,该模型能够及时更新数据信息,使模型保持良好的适应性,有效提高了预测精度。最后应用该模型对宝鸡峡灌区灌溉用水量进行预测检验,结果表明模型具有较高的预测精度。     

基于混沌理论的城市用水量预测研究

我国城市日用水量数据较多并与诸多因素息息相关,是一个典型的混沌系统.结合BP神经网络和混沌理论,利用重构相空间的嵌入维数,来确定BP网络的结构,建立基于混沌理论的城市用水量神经网络模型.利用该模型对H市用水量进行预测研究,给出较为详细的计算结果,实例证明该方法的正确性和科学性并有一定的理论价值.     

定额灌溉对苹果树冠层温度变化的影响

果树冠层温度是反映果树水分状况的重要指标,是影响果树枝叶生长、果实产量和品质的直接因素。为了研究定额灌溉用水量对果树冠层温度变化的影响,结合试验地果农的灌溉经验,设计定额灌溉用水量和灌溉时间,参照树形结构制定冠层温度实地观测方案。结果表明:定额灌溉用水量影响果树冠层温度变化,灌水少者冠层温度的垂直变化、日变化和方位变化均大于灌水多者。得出了定额灌溉对夏季苹果树冠层温度变化的影响规律,确定定额灌溉处理Ⅲ为最佳方案。     

农业灌溉用水量的LS-SVM预测模型研究

农业灌溉用水量预报是灌区制定水资源调度计划、合理高效分配水量的科学依据。针对灌溉用水量影响因素复杂非线性的特点,鉴于支持向量机算法的诸多优势,建立了基于最小二乘支持向量机的灌溉用水量预测模型,将该模型用于塔河流域T灌区灌溉用水量预测,并与人工神经网络方法预报结果比较,表明该方法具有泛化能力强、误差小等特点。     

基于小波神经网络的城市用水量长期预测研究

针对城市年用水量时间序列的非线性和多时间尺度特性,应用小波分析方法对年用水量时间序列的趋势性、周期性和随机性进行了分析。在此基础上,建立了用于城市用水量长期预测的小波神经网络耦合模型。并利用此模型对昆明市年用水量进行预测,预测结果表明,该模型应用于城市用水量的长期预测具有较高的预测精度和良好的推广能力。     

基于BP神经网络人均猪肉需求量预测

近年来,由于猪肉安全事故和供求关系等因素的影响,导致猪肉市场价格波动大,养猪业难以持续稳定发展。科学预测猪肉需求量,对科学指导生猪生产和宏观调控猪肉市场价格意义重大。笔者根据历年数据,采用BP神经网络预测方法,实现在MATLAB中运行,通过对模型的多次训练,选择隐层神经元数目为6个,达到了期望效果。预测结果表明,2012~2016年,我国人均猪肉需求量分别为34.10、38.12、38.66、40.28和40.60kg/a。     

基于BP神经网络人均猪肉需求量预测

近年来,由于猪肉安全事故和供求关系等因素的影响,导致猪肉市场价格波动大,养猪业难以持续稳定发展。科学预测猪肉需求量,对科学指导生猪生产和宏观调控猪肉市场价格意义重大。笔者根据历年数据,采用BP神经网络预测方法,实现在MATLAB中运行,通过对模型的多次训练,选择隐层神经元数目为6个,达到了期望效果。预测结果表明,2012~2016年,我国人均猪肉需求量分别为34.10、38.12、38.66、40.28和40.60kg/a。     

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.     

灌溉水质属性的人工神经网络评价方法研究

应用人工神经网络理论与方法建立了灌溉水质评价的BP神经网络模型 ,以对水质评价中普遍采用的盐浓度、渗透率、特殊离子及其毒性等 5个指标进行了示例分析计算 ,并与综合评价方法进行对比 ,所得结果表明神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系 ,评价水质简便可靠 ,采用该方法评价灌溉水质是科学的和客观的     

基于天气预报的参考作物蒸发蒸腾量预测模型

参考作物蒸发蒸腾量(ET_0)是计算作物需水量和进行灌溉预报的基本要素。本文利用天气预报可测因子和Penman Monteith(PM)公式ET_0计算值作为基础数据,分别建立BP神经网络模型和ANFIS自适应模糊神经推理系统模型,两种模型的估算值与PM公式的计算值没有明显差异,均表现出显著的相关性以及整体吻合度。本文对两种模型取相同的数据样本进行比较,BP-ET_0预测结果的MRE值为32.13%,RMSE为0.134 mm,而R2达到了0.971,说明模型预测精度高,稳定性良好。相较于ANFIS-ET_0的检验结果,BP-ET_0模型的均方根误差更小(0.134mm/d0.188 mm/d),表明其预测精度更高;而ANFIS-ET_0模型估算值的平均相对误差明显小于BP-ET_0模型估算值(16.92%32.13%),显示出ANFIS-ET_0模型更高的稳定性。两种预测模型的输入项完全可以从当前短期天气预报因子中取得而不需要专用测量设备,程序操作简单,具有实用价值,为实时灌溉预报提供了理论基础。     

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。     

土壤水分预测的BP神经网络方法及模型

土壤水分预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物生长的影响,关系比较复杂。笔者利用多年实测土壤水分资料和气象资料,建立了考虑多个因素对土壤水分影响的BP人工神经网络模型。模型结果表明:所建立的模型具有较好的预测效果;用神经网络建立土壤水分预测模型的方法是可行的。     

平移喷灌机变量灌溉决策支持系统研究

依据农田内土壤含水量的差异性,有针对性地进行变量灌溉,既可节约用水又可提高经济效益。该变量灌溉决策支持系统由不同采样点实测量土壤含水量,利用土壤水分预报模型,可预测田块实时的土壤含水量,然后与作物的轻旱指标、重旱指标比较可决定是否灌溉。灌溉量可以根据耗水—产量模型,通过经济效益分析来决定,进而可生成冬小麦的灌溉处方图,用以指挥喷灌机的运行。系统利用GIS组件MapObjects在VC 平台上开发,可以实现地块信息的查询、数据存储、管理和分析等功能。     

基于神经网络的万年县节水灌溉适宜技术选择研究

针对节水灌溉适宜技术的优选问题,采用模糊系统和神经网络相结合的方法,利用遗传算法对模糊神经网络参数进行了优化,并根据最终计算结果的大小评价了节水灌溉技术的适宜程度。该方法最大程度地避免了模糊综合评判中权重矩阵取值的人为干扰,取得了良好效果,最终确定万年县大港桥灌区的最优灌溉方案为管道灌溉。该方法为节水灌溉适宜技术提供了一种新的方向和思路。     

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...