基于RDPSO-RBF的粮食产后储藏环节损耗评估模型

为使减少粮食储藏环节的损耗,调查储藏环节中粮食作物的损失情况并进行评估预测。通过分析问卷,统计描述影响损失率的各个因素,应用随机漂移粒子群优化算法(random drift particle swarm optimization,RDPSO)和径向基函数(radial basis function,RBF)网络对储藏环节损耗进行评估预测,将调查问卷获得的数据作为RBF模型数据集,应用RDPSO算法进行模型的参数训练,从而获得粮食损耗的智能评估模型。采用稻谷数据作为各模型的数据集,通过仿真试验,对比数据拟合情况和均方误差,其RDPSO-RBF模型学习性能和泛化性能更强。因此,RDPSO-RBF能更好地应用于实际的粮食管理中。     

基于PCA-RBF神经网络的成都市建设用地需求预测

为建立“突变”增长条件下建设用地需求预测模型以利于区域土地资源的可持续利用和土地利用总体规划的 定期修编,本文提出了基于主元分析(PCA)与径向基函数(RBF)神经网络模型相结合的建设用地需求预测方法.首 先,利用灰色关联分析筛选出主要驱动因子作为输入数据;然后,利用主元分析消除其相关性,并达到降维目的; 最后,以PCA结果为输入建立建设用地需求的RBF神经网络预测模型.实例研究表明,建设用地需求PCA-RBF 神经网络预测模型具有较好的预测效果,平均绝对误差(MAE)、误差均方根(RMSE)、平均相对误差(MRE)、分 年度残差和突变点残差都较常规的多元线性回归(MLR)模型更小,更适宜在复杂非线性条件下应用.     

神经网络方法在计算蔗糖溶液粘度值中的应用

利用神经网络的建模功能 ,在测得了多组蔗糖溶液的密度、浓度、粘度数据后 ,把它们之间的复杂关系建立在RBF(径向基 )网络上 ,并从已知的密度、浓度值计算出未知的粘度值。仿真结果表明了用RBF神经网络求粘度值的可行性     

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。     

基于改进的神经网络预测气候因子对大青杨早材纤维壁厚度和生长速率的影响

为更好地判断气候因子对木材的材质和生长规律的影响,采用径向基函数(RBF)神经网络模型进行模拟,在此基础上提出了一种自适应RBF神经网络以提高拟合精度。结果表明:基于自适应RBF神经网络建立的早材胞壁率及生长速度影响对气候因子响应模型,可以很好地改进传统RBF算法的不足,此算法能较准确的预测人工林大青杨的生长规律,且相比于传统RBF其仿真速度得到显著提高,误差显著减小。     

基于GA-RBF融合算法的玉米病虫害产量损失预测研究

鉴于玉米病虫害等影响因素在预测玉米产量损失时所具有的复杂及非线性等特点,采用传统的径向基函数(radial basis function,简称RBF)神经网络预测起来相对较难,且其预测精度较低。针对上述问题,提出1种基于遗传算法(genetic algorithm,简称GA)和径向基函数神经网络相融合的优化算法,对病虫害所造成的玉米产量损失进行预测。该融合算法利用人工神经网络的非线性拟合能力强和遗传算法寻优能力强的优点,建立最优产量损失预测模型,将该模型的估算值与玉米产量的实际值进行拟合,得到较好的拟合效果图。为了验证算法的可行性,以国家863计划示范基地榆树市弓棚镇13号村的试验数据为样本数据进行仿真预测。结果表明,经过GA-RBF融合算法的预测误差为0.207,较优化前误差降低了0.151,预测精度得到提高,实现对玉米病虫害产量损失的有效预测。预测结果可为农民进行科学有效的病虫害防控提供科学依据,经济有效地降低受灾程度,提高玉米产量。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

基于多项式与神经网络的陇南林区降水量预测模型

本文基于径向基函数(radial basis function,RBF)神经网络非线性映射能力强、学习收敛快的特点,结合降雨量预测时全年各月降水量对待测月份降水量的相关性,提出一种多项式与径向基函数神经网络混合预测模型,并利用甘肃陇南各林区1944—2011年月降水量为样本对模型进行验证。仿真结果表明:在相同的样本空间下,本文预测模型与一般神经网络相比较,在降水量丰富的月份预测值与实际值误差更小,且收敛速度更快。     

RBF神经网络在可溶性糖含量预测中的应用

在小麦(Triticum aestivum L.)幼苗生长过程中,将RBF神经网络应用到可溶性糖含量的预测和数据变化的分析中,试验数据经过RBF神经网络的训练和仿真后得到,网络输出结果的误差小,网络输出矢量与目标矢量相关性好.说明可以将RBF神经网络作为农作物幼苗生长中预测数据变化的有效方法.     

正则化RBF网络模型在地下水位预测中的应用

【目的】建立地下水位预测的正则化RBF网络模型,为区域地下水资源的利用、规划和管理提供决策依据。【方法】以MATLAB7.0为平台,用函数newrb创建正则化RBF网络模型,基于宝鸡峡灌区B210号观测井1983-2009年的地下水位埋深资料,对网络模型进行训练后再用测试集检验,分别绘制训练集与测试集的拟合曲线,同时计算实测值与预测值间的相对误差(RE)、平均绝对偏差(MAD)和均方误差(MSE),并将其与BP网络模型的相应值进行对比。【结果】正则化RBF网络模型和BP网络模型的相对误差均小于5%,平均绝对偏差分别为0.53和0.85,均方误差分别为0.54和1.15,相比之下,正则化RBF网络模型的预测精度更高。【结论】训练样本和测试样本的合理选取为时间序列的拟合扩展了思路,良好的泛化能力使正则化RBF网络模型在区域地下水位预测中具有一定的可行性。     

基于季节ARIMA模型的铜陵市气温序列的预报

运用EVIEWS软件,对铜陵市48年来的月平均气温时间序列进行统计分析,并对该动态数据进行建模和预测。采用差分方法对样本数据进行预处理,然后定阶,并进行参数估计,建立季节ARIMA模型对铜陵市气温数据进行预报。预报结果显示,季节ARIMA模型的平均绝对误差值为0.875。将ARIMA模型预报结果与径向基(radial basis function,RBF)神经网络模型的预报值比较可知,其预报结果优于RBF神经网络的预测结果。     

基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

重型拖拉机液压机械无级变速箱冷却润滑油液的分配优化

[目的]为了实现重型拖拉机液压机械无级变速箱(hydro-mechanical continuously variable transmission, HMCVT)内部各个零件的良好润滑,提出一种冷却润滑油路的优化方法,实现油液合理分配。[方法]采用计算流体力学(Computational Fluid Dynamics, CFD)仿真与试验验证相结合的方法获取样本数据,利用径向基(radial basis function, RBF)神经网络建立出口孔径与出口流量的拟合函数,并构建以出口流量与目标流量误差平方和为优化目标的优化函数,运用惩罚函数法与遗传算法优化获得流量误差最小的流道结构参数。[结果]建立的CFD模型仿真结果与试验结果误差均小于10%,说明利用CFD方法计算润滑油路各出口流量值是切实可行的。利用RBF神经网络方法拟合的孔径-流量函数具有很高精度,决定系数均在0.95以上,优化后的冷却润滑油液分配更加合理,与目标流量值误差在5%以内。[结论]本文提出的冷却润滑油液合理分配的油路优化设计方法,能够减少设计成本,准确实现油液的精确分配,为变速箱润滑油路的设计提供了理论依据。     

基于模糊控制与RBF神经网络的桃树病虫害发生预测

将模糊控制引入到径向基函数(RBF)神经网络中,采用模糊控制与RBF神经网络相结合的方式建立预测模型,对河北顺平地区种植的桃树进行病虫害发生预测.仿真结果表明,该预测模型相对误差小,并解决了人工神经网络缺乏处理不确定性和模糊信息能力的缺点,预测预报及时、准确.     

基于支持向量回归机的粮食产量预测研究

支持向量机(Support Vector Machines,SVM)是一种具有坚实理论基础的新颖小样本学习方法。采用支持向量机回归(Support Vector Machine Regression,SVR)算法,用libsvm-2.89软件包对我国近年来的粮食产量进行回归预测,选择交叉验证法进行参数寻优,建立粮食产量和其影响因素的支持向量机回归模型。粮食产量预测平均相对百分误差为1.209%,均方根误差为581.191,相关系数为0.962 24。将预测结果与指数平滑模型、生产函数模型及多元线性回归模型进行了比较,用平均绝对百分误差、希尔不等系数及均方根误差对4种模型预测结果进行评价。结果表明,基于支持向量机的径向基核函数(RBF)模型预测粮食产量的精度优于其他预测方法。     

径向基函数人工神经网络在棉花耗水量预测中的应用

采用径向基函数人工神经网络的方法,利用MATLAB工具箱,以气象资料中的平均气温、日照时数、平均风速作为输入变量,建立了预测新疆石河子地区棉花耗水量的RBF神经网络预测系统,并通过实测数据的检验得出此预测系统网络模型的绝对误差最大为0．0962mm／d,最小为0．0008mm／d,平均为0．0519mm／d;相对误差最大为1．7995％,最小为0．0165％,平均为0．9664％,可见网络模型预测的准确度较高,较以往的线性模型更合理,并且此网络训练花费的时间短,仅需0．0780s。     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性，提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机，得到RBF网络较优的初始结构和参数；随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明，混合学习算法学习效率高，网络性能优良，应用于函数逼近时效果优良．     

RBF神经网络在北方日光温室湿度模拟预测中的应用

为探讨北方日光温室空气相对湿度因子的变化规律、预测其变化趋势,进而采取合理的调控措施,从分析比较BP和RBF神经网络的特点出发,选择RBF神经网络作为预测网络,并采用高斯径向基函数作为网络激活函数,提出了一种适用于北方日光温室空气相对湿度环境因子的模拟预测模型。选取沈阳农业大学北山试验基地内日光温室进行多种环境参数采集,采用主成分分析法确定模拟预测模型的输入因子,并分别选取600组和80组实测数据对网络模型进行建立和验证。结果表明:该模型学习过程相对较快,且预测值与实测值的相对误差小于7.35%,模拟值与实际值相对误差0.19%,模型可用于模拟和预测北方日光温室大棚内空气相对湿度的变化趋势,预测结果良好。     

农产品价格预测系统设计与实现

根据农业价格指数构建了农产品价格数据仓库,充分利用长期积累的大量反映价格指标的历史和现在数据资源,并结合径向基函数(RBF)人工神经网络建模,揭示农产品价格与畜牧业、林业与渔业等相关因素价格的动态关系模型。结果表明该模型能够很好地预测以白菜为例的农产品价格,实现农产品区域供求平衡,并为政府和农户提供结构调整的依据。     

甘油/TiO2聚偏氟乙烯微孔膜的制备及在膜蒸馏中的应用

[目的]研究甘油/TiO2聚偏氟乙烯(PVDF)微孔膜的制备及其在膜蒸馏中的应用.[方法]采用浸没沉淀相转化法制备PVDF微孔膜,研究了不同TiO2质量分数下加入甘油形成不同比例的混合添加剂对微孔膜结构及性能的影响.[结果]所制备的微孔膜具有较高的牛血清蛋白截留率,基本上都在90％以上;纯水通量集中在3～22 L/(m2·h)之间.[结论]当TiO2为3％、甘油添加量为0.4g时,膜的性能相对较好.随后把该条件下制备的微孔膜应用到膜蒸馏过程中进行NaCl溶液分离的试验研究,脱盐率最高可达30％;并且得到了膜装置运行的最优条件:料液温度为50℃、流量为5L/h、料液浓度为15 g/L.