基于主成分分析与BP神经网络的参考作物腾发量预测

为解决采用神经网络模型预测参考作物腾发量研究中预测能力不足的问题.将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析.提取主成分,建立了基于主成分的三层BP神经网络模型.选取新疆昌吉市气象站2006年3-6月的日气象资料.采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模型作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与参考作物腾发量之间的关系,尤其时训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

基于BP网络的虫害预测预报系统的分析与实现

人工神经网络具有良好的非线性函数动态处理能力以及自组织、自适应和自学习功能,可用作建模处理.运用MATLAB神经网络工具箱不需要进行繁琐的编程,可以建立高效、准确和快速的BP网络模型.利用高级语言(Vb)设计人机交互界面,完成对Matlab的调用.系统设计的神经网络模型具有通用性、客观性和科学性的特点,可对不同条件下苹果虫害的发生进行预测预报,对指导农业生产具有很高的应用价值.     

基于BP神经网络的渠道无干扰量水方法

灌区量水是节约农业用水、灌区实行按方收费的重要手段。BP神经网络具有很强的非线性映射能力,可描述通过水工建筑的流量与上下游水位之间的函数关系。以渠道进水口上下游水位作为输入向量,以渠道流量作为输出向量,构建了3层神经网络模型。以江苏高邮灌区2012年一条斗渠的水位流量观测数据,应用Matlab神经网络工具箱构建模型,采用trainlm算法进行网络训练与检验。结果表明:模型能较好地反映影响因素与渠道流量之间的关系,计算精度较高,提出的基于BP神经网络的渠道无干扰量水方法简便可行,具有较广的应用前景。     

双孢蘑菇远红外干燥神经网络预测模型建立

分析了双孢蘑菇在远红外干燥过程中,辐射强度、辐射距离、物料温度、物料厚度、干燥时间等因素对干燥速率的影响.基于BP神经网络建立了含水率与各因素之间的网络模型结构,输入层、隐含层和输出层的神经元数分别为5、11、1.以干燥试验数据作为训练和测试的样本值,利用Matlab中的神经网络工具箱,经过有限次迭代计算获得一个反映试验数据内在联系的数学模型,并实现对该模型的训练和系统的模拟.结果表明:在试验范围内,BP神经网络可以高效、准确、快速地建立模型,且模型的预测值与实测值拟合较好,能够准确而可靠地实现含水率在线预测.     

基于BP神经网络的牡丹花热风干燥含水率预测模型

针对热风干燥制作牡丹压花时含水率不便实时测定的问题,探讨了干燥过程中热风温度、风速、压花板孔密度和牡丹花初始质量对干燥速率的影响.利用BP神经网络建立了干燥时间、热风温度、风速、牡丹花初始质量、压花板孔密度与牡丹花干燥过程中含水率之间的关系模型,采用Matlab神经网络工具箱对模型参数进行训练和模拟.结果表明,利用神经网络建立的模型仿真结果与实测值接近,预测性较好.     

ET_0的主因子和主成分神经网络模型比较

为了简化BP神经网络预测ET0的模型,将气象因子包括最高、最低和日平均温度、日照时数、相对湿度和风速进行主成分分析和偏相关分析,提取主成分和主因子,分别建立了基于主成分和主因子的三层BP神经网络模型,并对两种模型的训练和预测结果进行比较。选取湟水流域的乐都气象站2003年到2006年5月逐日的气象资料,采用Matlab神经网络工具箱进行模型训练与预测。结果表明主成分神经网络训练和预测模型的精度都优于主因子神经网络模型。主要是由于两种模型选取输入层的因子不同造成的。     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

基于神经网络的发动机稳态模型辨识的研究

基于神经网络多层前馈网络结构模型的特点,利用Matlab6.5软件的神经网络工具箱编写了仿真程序并对发动机的稳态模型辨识进行了仿真,得到了发动机稳态三维扭矩图和油耗图,研究结论对建立发动机精确模型具有一定作用.     

汽车悬架参数优化的仿真研究

以BP神经网络对减振器的外特性进行建模为基础,Matlab/Simulink为工具,对汽车八自由度模型进行了平顺性仿真建模,并对含有不同神经网络减振器模型的整车振动响应输出进行了对比分析,从而找到适宜新车型的减振器,实现了汽车悬架阻尼参数的优化。     

山药切片红外干燥温度神经网络预测

在不同单位辐射功率和辐射距离下对山药切片进行了红外辐射干燥温度试验。基于温度试验数据,通过Matlab神经网络工具箱,采用最速梯度下降法和L-M算法对这些数据分别进行了训练,将训练好的BP神经网络对山药切片进行温度预测。结果表明:L-M算法优于传统的最速梯度下降法,提高了BP神经网络的收敛速度和泛化能力,预测误差较小,适用性较强,可较好地预测红外干燥过程中山药切片的温度变化。     

基于BP神经网络的排种器充种性能预测

在分析丸粒化玉米种子精密排种器工作原理的基础上,运用Matlab神经网络工具箱建立了排种合格指数A的BP神经网络预测模型,选取排种轴转速n、型孔直径D和排种盘的锥角Ф作为试验因素进行排种性能试验,得到81组合格指数的试验结果。选取其中的60组进行样本训练,并对剩下的21组结果对训练好的网络进行预测,n,D,Ф为输入层,A为输出层,网络结构为3-11-1的3层网络。预测结果表明,预测值与试验值误差较小,为排种器的优化设计及参数的选择提供了依据。     

小波神经网络的微孔钻削在线监测

提出小波神经网络对微孔钻削进行实时监测的方法,利用扭矩信号的小波包分解,以分解后的各能量向量作为神经网络的输入,对系统进行训练,利用Matlab和LabView软件建立微孔钻削在线监测软件系统。试验结果表明小波神经网络精度高、收敛速度快,采用小波神经网络对提高微孔钻削在线监测的准确性是有效的。     

棉叶螨发生趋势的RBF网络预报模型

采用RBF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、相对湿度和降雨量,建立了预报新疆石河子地区的棉叶螨发生程度的RBF神经网络预报系统.该系统通过实例证实了预报的准确性,并且与常用的BP网络进行了比较.通过程序记时显示RBF网络训练用时0.079 s,比BP网络训练所需的时间要短得多.因此RBF神经网络具有很好的实用价值,为虫情预报系统提供了新思路、开辟了新途径.     

基于神经网络的离心泵汽蚀性能预测

介绍了离心泵汽蚀性能预测的研究现状,分析了离心泵汽蚀性能预测的主要研究方法．根据设计流量下离心泵汽蚀余量的影响因素,确定人工神经网络的拓扑结构．应用MATLAB的神经网络工具箱,建立单级单吸离心泵汽蚀性能预测的BP神经网络（Back Propagation Neural Network）和RBF神经网络（Radial Basis Function Neural Network）两种人工神经网络模型．用工程实践中得到的57台离心泵几何参数和试验数据作为样本来训练建立好的网络,并用6台离心泵的数据来测试网络．预测值与试验值的相关性分析表明,BP和RBF网络的预测结果均较好,其中BP网络预测模型的平均相对偏差为5．69％,RBF网络预测模型的平均相对偏差为6．32％,可满足工程应用的要求．     

基于BP神经网络的水轮机综合特性建模仿真

针对目前对水轮机特性曲线数据处理方法精度不高,不能真实地反映水力机组在过渡过程的流量特性和力矩特性的问题,利用BP神经网络与Matlab相结合,对水轮机综合特性曲线进行建模仿真。由已知综合特性曲线结合边界控制点经神经网络训练获得低效区的流量延拓、力矩延拓和导叶浆叶协联关系仿真曲面。BP神经网络模型大大提高了水轮机综合特性曲线数据处理效率与精度,是研究水轮机控制系统的一种新的非线性建模仿真模型。     

基于遗传算法和BP神经网络的用水

为避免BP算法易陷入局部极小的缺陷，根据遗传算法具有全局寻优的特点，将二者结合起来形成GA-BP混合算法。以GA优化BP网络的初始权值和阈值，按负梯度方向修正网络权值及阈值，对网络进行训练。最后，用matlab编写GA-BP计算程序，以多组数据进行测试，并与纯BP算法进行分析比较，结果表明该方法可以有效、准确的应用于城市用水量预测。     

基于ANN的抽水蓄能电站建模与过渡过程优化

对大型带长引水管道的抽水蓄能电站机组调节系统进行了建模与过渡过程调节参数优化的研究.依据某抽水蓄能电站的具体参数,利用Matlab/Simulink对其机组调节系统建模,其中长引水管道系统采用弹性水击模型以较准确地反映较长压力管道内的水力振动特性,然后利用BP和RBF神经网络训练水泵水轮机特性参数,以获取较精确的水轮机模型,从而避免用插值法处理密集、交叉现象严重的水泵水轮机“S”特性曲线带来的误差.基于所建立的仿真模型,引入改进正交试验法对其空载频率扰动、负荷扰动及甩负荷过渡过程进行调节参数优化.结果表明,所建立的调节系统仿真模型可以在一定程度上反映机组的实际特性,并且改进正交试验法在机组调节系统过渡过程仿真试验参数优化中取得了很好的效果.本研究对大型抽水蓄能机组调节系统建模仿真具有一定的指导意义,为实际运行中机组过渡过程优化控制提供了理论依据和技术参考.     

基于BP神经网络的鸡蛋新鲜度无损检测方法

用计算机视觉装置和Matlab软件获取鸡蛋颜色参数（H、I、S），通过试验获得鸡蛋的新鲜度指标（哈夫值），用其作为样本数据建立BP神经网络模型，得到鸡蛋新鲜度与其图像颜色参数之间的最优关系。系统先自动判别鸡蛋壳色再分类检测鸡蛋新鲜度，经检验，建立的BP神经网络具有较好的泛化功能和鲁棒性，对褐壳蛋和白壳蛋新鲜度的正确识别率分别为87．258％、89．029％。