土壤温度时间序列预测的BP神经网络模型研究

针对滨海盐溃区表层土壤温度时序变化复杂、高度非线性的特点，以江苏省苏北典型滩涂区域为研究对象，综合运用BP神经网络和时间序列多维拓展的方法，对长期定位监测点表土层土壤温度时间序列数据进行了分析和预测，为土壤溶质运移研究与当地作物合理布局提供理论基础和参考依据。结果表明，输入层、隐含层和输出层神经元数目分别为7、7和1的3层BP神经网络模型用于土壤温度时间序列训练仿真时效果最优，其误差平方和达最小值18．017。选定的此结构BP神经网络模型简单、实用，有良好的推广泛化能力，经独立测试样本检验，预测值与实测值的相对误差均在20％以内，平均相对误差仅为2．94％，可满足土壤温度日常预报的需要。     

几种减粘材料的磨料磨损特性

用尺寸为０．４５－０．９０ｍｍ的石英砂和尺寸为０．０７６ｍｍ的膨润土（３．５％－ｗｔ）作磨料，在转盘式磨料磨损试验机上，对几种具有一定减粘降阻效果的材料：聚四氟乙烯、超高分子量聚乙烯、搪瓷涂层，浸渍环氧的Ａｌ２Ｏ３涂层，浸渍环氧的铁基合金涂层及表面硅合金化钢的自由式磨料磨损性进行了考察。并通过磨损表面形貌的抛电镜分析，探讨了这些材料的磨料磨损机理。     

基于监测数据和BP神经网络的食品安全预警模型

以中国实际食品安全监测数据为样本,研究基于BP神经网络的食品安全预警方法。首先对食品安全日常监测数据进行筛选简化,选择其中与食品安全最为密切的167种检测项目,以此检测项目为指标按月度划分建立数据样本。然后建立以167种检测项为输入层,包含2个隐层,以化学污染、农药残留、兽药残留、重金属、微生物致病菌5大类为输出层的食品安全预警神经网络模型,最后用所得数据样本进行训练和验证。结果表明,基于BP神经网络的食品安全预警方法能有效识别、记忆食品危险特征,能够对输入样本进行有效的预测,研究有助于丰富食品安全数据的处理方法,有助于完善相关预警技术手段。     

用BP神经网络预测土壤入渗参数时隐层神经元数分析

为了用BP神经网络更准确地预测土壤入渗参数，分析了不同隐层神经元数下，预测值与实测值的关系曲线，以及在同一训练目标误差下，不同隐层神经元数、训练曲线的变化及能否达到训练目的，得出了最优隐层神经元数。隐层神经元数的确定，为土壤传输函数的研究奠定了基础。     

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。     

BP神经网络算法在河西绿洲玉米生产碳排放评估中的应用及算法有效性研究

针对作物生产碳排放预测较为困难的实际问题,提出基于BP神经网络算法的玉米生产碳排放预测模型。选择地处河西走廊石羊河下游的民勤绿洲246家农户,面对面调查玉米种植户农场内生产投入数据,将玉米生产投入数据作为神经网络输入层;查阅和梳理国内外相似区域玉米生产环节碳排放系数,运用碳足迹生命周期法计算得到的碳排放值作为神经网络输出层;基于BP人工神经网络算法,运用试凑法确定网络隐含层节点个数,建立河西绿洲玉米生产碳排放预测模型,选择多元线性回归模型、多元非线性回归模型,对该模型有效性进行评估。研究结果表明,3层且各层节点数9、10、1的神经网络结构能够准确预测河西绿洲玉米生产碳排放,其碳排放预测值为0.763 kg(CO_2-eq)·kg~(-1)(DM);9-10-1结构的神经网络预测模型的相关系数(R~2=0.984 7)高于多元线性和非线性回归模型,该神经网络结构模型的均方根误差(RMSE=0.069 1)、平均绝对误差(MAE=0.051 3)均低于其他模型,BP神经网络算法预测性能明显优于其他预测模型。该研究为准确预测农业生产碳排放提供了新思路和可操作方法。     

基于机械特性BP神经网络的苹果贮藏品质预测

应用L－M优化算法BP神经网络，通过用苹果机械特性指标(压缩时的最大力、屈服力、弹性模量)预测苹果贮藏品质(硬度、水分、可溶性固形物、总酸)的方法，建立贮藏品质的人工神经网络模型。用试验所测的机械特性指标为输入，苹果贮藏品质为输出来确定网络的拓扑结构，训练建立的BP神经网络。仿真结果表明：该神经网络模型用机械特性指标能预测苹果贮藏品质，同时通过5组非样本数据来验证该神经网络，模型的预测值与实测值的相对误差在5%以下，能够满足工程应用中预测苹果贮藏品质的精度要求。     

区域土壤水盐空间分布信息的BP神经网络模型研究

针对黄河下游三角洲盐渍区土壤水盐动态的复杂性和空间的变异性,将人工神经网络引入土壤水盐信息的模拟和预测中,探讨了3层网络结构下隐含层神经元数对网络训练和预测的影响,建立了0～20cm表土层水盐含量及其空间分布的BP神经网络模型。结果表明:研究区域表土层水盐与土壤容重和地下水性质间均具极显著的关联性,表土层盐分BP网络的输入因子以经、纬度坐标、土壤容重、地下水埋深和矿化度5个变量为宜,含水量则为经、纬度坐标、土壤容重和地下水埋深4个变量;隐含层神经元数过多会导致"过拟合",当表层土壤盐分和含水量BP网络的拓扑结构分别为5:8:1和4:6:1时,其预测精度最高;表土层水盐BP神经网络模拟值与观测值得到的分布图表现出相似的空间格局,BP神经网络模型有效地模拟了表土层水盐含量及其空间分布特征。该研究为黄河三角洲地区土壤盐渍化的发生、发展及演变规律分析提供理论基础,并为盐渍土地的水盐调控与科学管理提供决策依据。     

基于GRNN的坡面径流输沙能力模型的试验研究

坡面径流输沙能力是建立土壤侵蚀过程模型的重要水力学参数,研究定量计算坡面径流输沙能力的实用模型具有重要的理论和实践意义.通过室内模拟径流冲刷试验,计算不同坡度和流量条件下的裸地坡面径流输沙能力,利用平均影响值(MIV)方法对影响坡面径流输沙能力的因子进行分析,建立以干密度、能坡、进口流量、出口流量、水力半径、流速为输入,以坡面径流输沙能力为输出的广义回归神经网络(GRNN)模型,并应用Adaboost算法对模型进行优化.验证结果表明,所建模型能够用于对坡面径流输沙能力的模拟预测.与BP神经网络模型进行对比分析的结果表明:在试验训练样本条件下,广义回归神经网络(GRNN)模型的模拟预测结果优于BP神经网络模型;Adaboost算法能够有效减小广义回归神经网络(GRNN)模型的模拟预测误差.     

基于BP神经网络的城市边缘带土壤重金属污染预测——以成都平原土壤Cd为例

随着成都平原城市化快速发展,城市边缘带土壤重金属污染风险逐渐增大。而关于社会经济对土壤重金属污染定量影响的研究方法还较为欠缺。本文利用BP人工神经网络方法,建立了12输入、1输出、1个隐含层的三层BP神经网络,定量研究成都平原城市发展中社会经济影响因素与土壤重金属Cd含量间的内在联系。网络拟合精度达97.02%,模型拟合程度高。运用该BP网络模型对城市化影响下城市边缘带土壤重金属Cd含量进行预测,其预测精度为84.19%,明显高于传统回归模型71.55%的预测精度,体现出神经网络预测模型的优越性。利用2005年和2010年各影响因素的预测值,将这两组值分别作为网络的输入,并和以前的样本合并再重新训练更新网络权值,得到2005年和2010年各区/县土壤重金属Cd预测值。     

基于颜色传感器和遗传算法的牛肉系水力快速检测

为了实现快速检测牛肉系水力,解决肉制品系水力检测不便的问题,该文研究了基于颜色传感器和遗传算法的牛肉系水力快速检测方法。优化了变色试纸与牛肉样品的最佳贴附时间,使用Arduino控制器操控颜色传感器采集试纸颜色参数;将80组牛肉样品分成60个训练组和20个验证组,应用遗传算法优化BP神经网络模型。研究结果表明:在系水力试纸的尺寸为5 cm×2 cm、氯化钴浸泡液浓度为3 g/mL的条件下,得到试纸最佳贴附时间为20 s;经遗传算法优化BP神经网络后,最佳线性回归方程的斜率为0.96,相关系数R~2为0.987,优化后的神经网络模型对系水力等级的预测准确率从90%提高到95%;将检测时间降低到1 min之内,实现了对牛肉系水力等级的快速检测。该研究为进一步开发智能化的肉制品系水力快速检测设备提供了理论依据。     

变速箱齿轮磨损故障的极坐标角-频表示与诊断

变速箱齿轮磨损将导致振动信号中出现冲击响应成分,通过对每转内冲击响应成分的监测,可实现变速箱齿轮磨损故障诊断。为了提高变速箱齿轮磨损故障可视化监测与诊断效果,该文提出了一种极坐标角频分布方法。将采集的变速箱振动信号通过连续小波变换进行消噪处理并转变为极坐标角频分布,充分表现变速箱齿轮不同磨损工况时冲击成分的变化。以每种磨损工况时6转内的能量作为齿轮磨损特征向量,并将特征向量输入给BP神经网络进行分类训练和模式识别,有效地识别了变速箱的4种磨损状态。该研究结果为极坐标角频分布方法在变速箱状态监测与故障诊断的工程应用提供了参考。     

克氏原鳌虾头胸部外骨骼微观结构和摩擦磨损特性

为探索克氏原鳌虾(Procambarus clarkii)在泥浆中穿行的防黏耐磨机理,该文以克氏原鳌虾头胸部外骨骼作为研究对象,分析其无机元素含量和存在形态,观察其微观结构,并测量其硬度和弹性模量;对外骨骼进行摩擦磨损试验,考察其摩擦磨损特性,并观察磨痕的磨损形貌。试验表明,克氏原螯虾头胸部外骨骼中含有大量的钙元素,其中大部分以非晶结构存在,并含有少量碳酸钙;外骨骼表面具有凹坑、凸包和刚毛微观结构;螺旋夹板层具有蜂房结构,钙盐以针簇状分布在螺旋夹板层中;外骨骼硬度为0.503 GPa、弹性模量为18.019 GPa;摩擦因数呈跳跃式变化,最小时不足0.1,最大时接近0.8,磨损类型属于磨粒磨损。研究结果为农业机械触土部件表面防黏、耐磨的仿生设计提供理论依据。     

Testing Backpropagation Neural Network Approach in Interpolating Missing Daily Precipitation

This study proposes a method, backpropagation (BP) neural network, for interpolating missing values in daily precipitation time series. Firstly, the BP neural network is adopted to interpolate missing daily rainfall data at three selected stations in Yantai, Shandong, China. Then, the temporal and spatial variations in precipitation extremes across Shandong are analyzed by utilizing the complete daily rainfall dataset derived from accurate propagation at 24 meteorological stations. The results show that the long-term trends in five selected extreme precipitation indices calculated from interpolated daily rainfall data are generally consistent with those from original nonmissing values. And the spatial patterns of trends in precipitation extremes also show better performance for BP neural network approach in interpolating missing daily rainfall gaps. Those suggest that this BP neural network algorithm can obtain a good fit in terms of space-time variability of regional precipitation extremes, in case that the correlation coefficients between the target stations with missing values and reference stations with complete daily rainfall dataset are relatively large. These findings could be crucial for investigating regional frequency of heavy rainfall and water resource management.     

应用BP神经网络预测高压脉冲电场对果蔬干燥速率的影响

高压脉冲电场（HPEF）预处理果蔬可以提高果蔬干燥速率,改善干燥产品的品质,降低能耗。通过对白萝卜和苹果HPEF预处理干燥试验,探讨脉冲强度、作用时间和脉冲个数等预处理参数对干燥速率的影响。应用BP神经网络L-M训练法分析HPEF预处理参数与不同时间段干燥速率之间的关系。从而达到确定HPEF参数与不同时间段干燥速率之间因果关系的目的。研究结果表明,脉冲强度对干燥速率的影响比作用时间和脉冲个数对干燥速率的影响显著;建立白萝卜和苹果预处理干燥的BP神经网络仿真模型,并与实测值进行对比,用BP神经网络预测的干燥速率接近实测结果,具有较好的估计效果。     

基于SCADA数据的风电机组关键载荷预测

风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定BP神经网络的层数与神经元数量。针对某2.5 MW风电机组的7处关键位置进行了载荷实测。研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的SCADA参量,从而进一步提高预测准确度。因此,基于BP神经网络建立SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段。     

空气悬架系统动态载荷的识别

针对空气悬架系统主动控制中神经辨识器的离线训练问题,利用BP神经网络实现从空气悬架系统非簧载质量振动加速度空间到其动态载荷空间的映射。建立带有空气悬架系统的1/4工程车辆动态模型,通过仿真得出了工程车辆空气悬架系统的非簧载质量振动加速度和动态载荷数据,以空气悬架系统的非簧载质量振动加速度数据作为神经网络的输入,动态载荷数据作为神经网络的输出,训练BP神经网络,并对训练好的BP神经网络进行泛化能力的测试,路面输入采用幅值为0.01 m,频率为1 rad/s正弦波时,识别误差率在30%以内的点占总数的82.95%;以幅值为0.02 m,频率为2 rad/s的正弦波作为系统的路面输入,识别误差率在30%以内的点占总数的77.94%。结果表明BP神经网络能够对不同的路面输入具有较好的适应性。     

果树施药仿形喷雾神经网络模型及其应用

在试验的基础上，建立了反映果树施药仿形喷雾过程参量与分布质量系数之间映射关系的BP神经网络模型，在建模中运用了正交试验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术，对网络结构及其参数进行了优选。结果显示，网络模型输出同试验结果相关系数R达到0.99，表明具有广泛的适应性。同时，该网络可以实现各种定量分析计算，例如：预测在特定过程参量下的分布质量系数，或者根据指定的效果目标，确定合适的喷雾参量等。     

无沟铺管机北斗导航控制系统设计与试验

针对因田间土壤质地不均匀或表面高低不平,无沟铺管机出现行驶偏摆而导致管道铺设弯曲的问题,设计了基于载波相位差分技术的北斗定位系统(Real Time Kinematic-BeiDou Navigation Satellite System, RTK-BDS)的导航控制系统。采用多模态控制策略,通过传感器检测无沟铺管机工作时的左、右行走马达速度,车辆实际平均车速,发动机功率和两侧行走泵的压力等状态参数,并输入到后向反馈(BackPropagation,BP)神经网络,预测铺管机当前状态分类,使用选择器选择模态控制参数,采用自适应比例-积分-微分(Proportion-Integral-Differential,PID)控制算法进行导航控制。经过田间试验,获取铺管机的模态控制参数和BP神经网络训练样本。导航控制系统上线试验结果表明,导航控制横向超调量为4.58 cm,最大横向误差在±4 cm范围内,平均横向误差在±1.5 cm范围内,能够满足铺管机直线性作业要求。