基于改进的BP神经网络集成的作物精准施肥模型

作物最优施肥量与土壤养分含量、产量之间存在复杂的非线性关系。为更加准确地模拟这种关系,提出一种改进的的BP神经网络集成方法。该方法采用K-均值聚类优选神经网络个体,采用拉格朗日乘子方法计算待集成的神经网络个体的权值。然后,基于农田肥料效应试验数据,以土壤养分含量和施肥量作为神经网络的输入,以产量作为神经网络的输出,建立了作物精准施肥模型。该模型通过求解一个非线性规划问题,能同时获得最大产量和最优施肥量。试验结果表明,在施肥模型的拟合精度方面,改进的神经网络集成方法（其均方根误差为64.54）明显优于单个神经网络方法（其均方根误差为169.74）。而且,作为一种定量模型,基于改进的神经网络集成的施肥模型优于传统施肥模型,能有效地指导精准施肥。     

吕梁市农机总动力预测

以1979—2015年吕梁市农机总动力为研究基础，利用指数函数、三次多项式函数及BP神经网络分别建立农机总动力预测模型并进行样本比对。结果表明，BP神经网络和指数函数模型的平均绝对误差分别为1.11%和3.22%，低于三次多项式函数的平均绝对误差（8.05%）。利用BP神经网络模型和指数函数模型对2016—2021年吕梁市农机总动力进行预测，以期为农业机械化水平的发展提供参考。      

冷冻干燥过程的神经网络预测模型

建立了BP神经网络模型来预测冷冻干燥过程特性，并对BP网络模型的构建方法和模型参数进行了研究。结果表明，采用BP神经网络模型预测冷冻干燥过程特性，具有易实施和预测精度高的特点。     

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神经网络的车辆跟驰模型研究

课题组进行实际道路跟驰实验,利用GPS采集跟车驾驶行为数据。以GPS采集到的车辆行驶轨迹数据为基础,提取前车车速、相对距离、前车对后车的相对速度以及后车车速作为输入,后车下一时刻的车速作为输出,建立BP神经网络跟驰模型,并使用遗传算法（GA）对BP神经网络跟驰模型进行优化。结果表明,GA-BP神经网络模型与BP神经网络模型对比,GA-BP神经网络跟驰模型预测性能的各个评价指标都优于BP神经网络跟驰模型。     

基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究

蔬菜是居民生活饮食的重要组成部分，蔬菜价格预测存在着价格波动幅度大、影响因素复杂多样、精度不高等难点。本研究以黄瓜为研究对象，分析了影响黄瓜价格的供给、需求、流通等因素，引入Lasso回归模型对影响因素进行筛选，获得12项关联度较大的因素。在此基础上，构建了一种基于影响因素的Lasso回归方法与BP神经网络相结合的组合模型（L-BPNN），开展黄瓜短期价格预测，并与Lasso回归模型、BP神经网络模型、RBF神经网络模型等回归分析和智能分析方法等进行了对比验证研究。结果表明：使用L-BPNN模型预测黄瓜价格，其平均相对误差最小，仅为0.66%，比Lasso回归模型、BP神经网络模型和RBF神经网络模型分别低64.52%、82.11%和86.2%，具有较高的预测精度。本研究结果实现了黄瓜的短期价格预测，也可推广到其他蔬菜品种，对于保障菜农收入、稳定蔬菜市场价格等具有重要意义。     

基于PSO-BP优化PID模型的水肥控制系统研究

针对传统灌溉施肥方式无法切实满足作物生长需求和水肥资源浪费严重的问题,设计一种基于PSO和BP神经网络优化PID模型的水肥控制系统。系统通过结合作物种植环境水肥浓度信息,利用PSO和BP神经网络算法优化PID控制参数,以解决水肥施灌过程中系统的非线性、时变性和滞后性等问题。综合MATLAB/simulink仿真试验结果可知,利用PSO和BP神经网络优化的PID控制模型较传统PID控制模型系统响应速度提高9.33%,调节时间缩短72.24%,超调量仅为PID控制的11.78%,优化效果较好。系统试验结果表明,施灌过程中系统控制稳定,在一定程度上达到水肥浓度精准控制的效果,具有实际应用价值。     

基于遗传神经网络的农业机械化水平测评研究

提出了一种基于遗传神经网络的农业机械化水平测评模型。该模型首先用遗传算法来优化BP神经网络的权值和阈值,在此基础上对BP神经网络进行训练。网络最终测评结果较BP神经网络更有效、更准确。实例证明该神经网络测评模型收敛速度快、预测精度高,为农业机械化水平测评提供了更实用快捷的方法。     

基于BP神经网络的模型铲刀推土阻力预测模型

将BP神经网络应用于典型的曲面推土板-模型铲刀推土阻力的预测.在模型铲刀推土试验研究结果的基础上,以模型铲刀的切削角、前翻角和切削速度为输入,以模型铲刀推土阻力的水平分力与垂直分力为输出,建立了BP神经网络数值模拟模型.研究结果表明,该BP神经网络有效地预测了模型铲刀的推土阻力,其准确率在94%以上.     

土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选

基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。     

神经网络在土壤养分流失预测中的应用

以BP网络（Back Propagation Network)为基础，建立了小流域土壤养分（包括N，P，K3种成分）为输出层，流域出口处的洪量，输沙量及流域的年降雨量为输入层的包含一个中间层的BP网络，经检验，模型输出与多元线性回归模型计算结果一致。模型的建立及求解为水土保持中土壤养分的流失预测研究提供了一种新方法。     

人工神经网络在PID控制算法中的应用

根据过程实测的输入输出数据，将实际对象输出的旧值输入BP网络的输入层，从而得到一动态神经网络，作为控制中非线性系统的预测模型。既利用了系统的已知规律，提高了辨识的可靠性，又使得网络结构不必过于庞大，改善了实时性。分析了积分分离PID控制算法，在此基础上，将应用最广泛的PID控制器与具有自学习功能的神经网络相结合。得到了基于BP神经网络的PID控制算法。在已有的控制系统中嵌入了神经网络控制算法，用以调节PID控制器的三个可调参数Kρ，KI，KD。     

混合遗传神经网络在边坡稳定性评

将改进的遗传算法与BP神经网络相结合，分析了边坡稳定性的影响因素，建立边破稳定性评价的神经网络模型。分别用改进的遗传算法和自适应BP算法对网络权值进行全局优化和局部二次优化。选用边坡实例对网络进行训练检验，结果表明，混合遗传神经网络提高了训练速度和泛化能力，对边坡稳定性分析有较好的适用性，为边坡稳定性评价提供了依据。     

水稻水肥耦合效应研究

研究寒地黑土区水稻水肥耦合效应对产量的影响规律,运用二次饱和D-416最优设计方案,以施氮量、施钾量、施磷量、分蘖末期土壤含水率占土壤饱和含水率的百分比为设计因子,以产量为目标因子,编制四因素二次饱和D-416设计表,结合基于实数编码的遗传算法与BP神经网络强大的函数拟合、寻优功能,以设计表中四因素为输入层,产量为输出层,建立基于RAGA-BP神经网络模型,并对该模型进行预测和优选。结果表明,当产量最高时水肥耦合的最优方案施氮量为1.01g/盆、施钾量为0.63g/盆、施磷量为0.46g/盆、分蘖末期土壤含水率占饱和含水率的75.2%,此时得到的产量为74.78g/盆,与模型预测的最优个体适应度值73.55g/盆误差仅为1.68%,说明该模型能较好的反映出水肥投入量与产量之间的复杂关系,对指导农业生产实践具有一定的意义。     

苹果病害智能诊断方法研究与设计

针对传统苹果专家病害诊断系统自学习能力差、准确率低的不足,研究并设计了人工神经网络的苹果病害诊断方法.采用动态编码对苹果病害模糊知识进行量化,构建BP网络诊断模型进行诊断;采用Java语言开发基于Web的病害动态诊断平台,用白水苹果病害样本进行了实验.该方法对20种苹果病害的诊断具有较好的效果,测试准确率达到85.4%.在获得必要领域知识的前提下,用神经网络进行苹果病害诊断准确率高,系统设计灵活,基于Web的诊断平台便于推广和使用.     

基于改进的BP神经网络模型的遥感影像分类法

由于遥感图像上的光谱值是多种地物的混合光谱,存在着“同谱异物”和“同物异谱”现象,因此仅依靠象元光谱之间相似性进行分类的总体精度难以提高。而人工神经网络法(ANN,ArtificialNeuralNetwork)由于其非线性特征和较强的容错能力,为解决上述问题提供了可能。为此,利用优化的BP神经网络对TM图像进行了分类,并将结果与最大似然法及初始的BP神经网络进行了比较,其kappa系数分别为0.876,0.799,0.829。结果表明:改进后的BP神经网络具有较高的精度,可以用于TM图像的信息提取中。     

基于BP神经网络的汽车发动机故障诊断方法研究

介绍了BP神经网络学习算法,建立了汽车发动机振动测试系统,在对发动机振动数据进行分析处理的基础上,获取了学习样本的输入向量与目标向量,应用BP网络学习算法对新构的网络进行训练,建立了一种发动机机械故障诊断的新方法,实例分析结果表明,这种新方法是可行的。     

BP神经网络最优组合预测方法及其应用

为了解决各种单一传统的预测方法中存在的问题，提出了一种BP神经网络最优组合的预测方法。将单一预测方法所得到的预测值作为BP神经网络的输入样本，相应历史数据的实际值作为样本的输出，经过样本训练达到期望精度，应用BP神经网络进行预测。通过对浙江省农机总动力需求预测，表明该方法比各种单一的预测方法都有更高的精度。     

基于粗糙集神经网络的收割机需求评价方法

结合粗糙集理论和神经网络在信息处理方面的优势,构建了基于粗糙集理论和人工神经网络相结合的收割机需求评价方法的模型,并对陕西省多款收割机进行评价,建立数学模型.实例表明,约简后的知识系统可以获得原知识系统的分类结果,但分类指标却减少了77%,大大减少了信息需求量,可以计算每个属性在评价收割机方面的重要性,给收割机生产厂家提供一份可供参考的指标.     

大型灌区节水改造后地下水动态的

以黄河河套灌区的节水灌溉工程改造为目标，通过一个试验区（沙壕渠灌域）的实际分析，在地下水动力学数值模拟基础上，用Galerkin法对节水工程实施后的地下水动态进行预测，通过更大范围（解放闸灌域）用人工神经网络BP模型的快速算法进行了检验比较认为：成果基本可靠，有一定代表性，可供河套灌区水环境评估与宏观水管理预测和决策参考。