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。     

基于小波分析理论组合模型的农业需水量预测

为了提高农业需水量（非平稳时间序列）的预测精度,该文运用小波分析理论,将农业需水量这一时间序列用小波分解到不同尺度上以减少原始序列的随机性,然后用灰色预测法和时间序列预测法对重构后的时间序列进行预测。将小波分析理论、灰色预测理论和时间序列预测法组合进行需水量的预测,为原始非平稳时间序列的预测应用拓展了空间。以鄂尔多斯市的农业需水量预测为例对该方法作了验证,2009年数据检验结果表明该组合预测模型精度较高,相对误差小于3%,为农业需水量的预测提供了一种新方法,对鄂尔多斯市的水资源合理地利用、规划和管理以及促进区域社会经济的可持续发展具有重要的意义。     

基于BP神经网络的东港灌区作物需水量预测研究

为了指导东港地区的农业生产,对影响作物参考蒸散量(ET0)的气象因子进行了分析,利用东港市1999年和2000年水稻生育期的常规气象资料,采用Matlab软件的神经网络工具箱,建立ET0三层BP神经网络预测模型,网络的输入因子为日净辐射量、日平均相对湿度和日平均风速,输出因子为利用Penman—Monteith公式计算得到的同期ET0值。结果表明:(1)当模型的隐层节点数为11,传递函数采用tansig函数,训练函数采用trainlm函数时,预测值与目标值的平均相对误差为9%,预测效果较其他情况都好,由此确定模型的最终结构为3—11—1的BP—ET0模型。(2)用BP—ET0模型预测参考作物蒸散量,预测值与目标值的变化趋势基本一致。     

基于径向基函数神经网络与改进遗传算法的黄河流域需水预测

针对遗传算法的不足 ,利用改进的遗传算法 ,结合性能优于 BP网络的径向基函数神经网络 ,并进行网络优化 ,建立了黄河流域需水预测模型 ,拟合预测结果表明 ,该模型能有效提高预测精度。     

水稻虫害智能预测模型及其应用

为改进受多变量、时变和不确定因素影响的作物虫情预测的效率和准确性,将人工神经网络、遗传算法和模拟退火技术相结合,提出了一个全新的水稻虫害智能预测模型.模型首先基于人工神经网络,利用现有的多维气象数据、虫害历史数据构建网络结构,然后将遗传算法置于网络内层,模拟退火算法置于网络外层,对神经网络权重和阈值进行优化训练,以使模型输出快速准确地逼进目标样本.模型被应用在重庆市永川水稻二化螟虫情预测中,结果表明该模型能够较精确地预测未来虫害的发生程度.与传统的BP人工神经网络预测相比,预测精度和预测时间都得到较大提高,因而利用智能模型进行水稻虫害预测具有良好的实用价值.     

水稻重金属污染胁迫光谱分析模型的区域应用与验证

根据样地试验建立的农作物重金属污染胁迫光谱分析模型通过卫星遥感数据进行大尺度区域应用是农作物重金属污染遥感评价必须解决的关键问题。该文以吉林长春市3块重金属污染程度不同的水稻农田样地为试验区,采集水稻冠层ASD(Analytical Spectral Devices)数据、叶片叶绿素含量和土壤重金属含量,并获取准同步的Hyperion数据,通过多元逐步回归分析筛选与重金属污染胁迫响应敏感的光谱指数,并运用BP人工神经网络模型构建其与表征重金属污染胁迫程度的叶绿素含量的数学关系模型。结果表明,样地水稻重金属污染胁迫光谱分析模型中的BP网络结构为4-11-7-1、传递函数为logsig,其对各类污染胁迫水平的判别精度均为100%;将所建立的样地水稻重金属污染胁迫光谱分析模型通过Hyperion影像,进行大面积推广并验证,得到其对各类污染胁迫水平的判别精度均超过80%。该研究为样地水稻重金属污染胁迫光谱分析模型的大面积推广应用提供了借鉴意义。     

基于Copula函数的区域需水量随机模拟

受社会经济发展、气候等因素的影响,区域需水量不可避免存在一定的随机性。鉴于Copula函数可以用来描述事件序列的自相关结构,该文建立了基于Copula函数的区域需水量随机模拟模型。该模型能够考虑各月需水量间的相关性,克服了分离处理各月需水量而导致模拟精度不高的缺点。将模型应用于汉江中下游地区的需水模拟,并与现有的基于Cholesky因子分解模拟模型进行比较,研究了该模型的适用性。结果表明,该模型所模拟需水序列的均值、均方差等统计参数的相对均方误差均较小,同时能够保持各月需水量之间的相关关系,为区域的需水模拟提供了新思路。     

基于灰色GM(1,1)模型的闽西红壤农田灌溉需水量预测研究

龙岩地处闽西,是典型的红壤丘陵区,其农田灌溉用水量占用水总量的比重较大,高达60.6%,科学合理地预测未来农田灌溉的需水量,对水资源的合理开发与管理尤为重要。本文在论述了灰色预测模型在农田灌溉需水量预测中的原理、方法与步骤的基础上,利用灰色预测GM(1,1)模型,依据龙岩市2001~2011年农田灌溉用水资料对实际农田灌溉用水量进行了模拟分析,经检验模型精度达到98.45%,准确度高;并用该模型对龙岩市2012~2020年农田灌溉需水量进行了预测。预测结果表明,该模型用于农田灌溉需水量预测,符合其灰色特性,可检验,适用性好,可为龙岩市水资源规划与管理提供必要的参考。     

基于L-M优化算法的水稻螟虫预测模型及其初步应用

农村稻区水稻螟虫发生量与多种气候因素相关，各因素之间存在相互作用，是非线性系统。神经网络能有效地描述非线性模型多输入和不确定的特性。传统的BP网络在训练时易陷入局部极小点从而导致训练时间长、收敛速度慢，采用Levenberg-Marquardt优化算法(简称L-M算法)能克服其缺点。在MATLAB中应用L-M算法对辽宁盘锦田间稻区进行水稻螟虫发生量的仿真预测，试验结果表明L-M优化算法的预测精度和收敛速度明显提高，为稻区防控虫害和精确喷药提供参考，具有实用价值。     

农作区净灌溉需水量模拟及不确定性分析

净灌溉需水量是估算农业灌溉用水量的参考依据。该文以西北干旱内陆区石羊河流域上中下游的古浪县,凉州区,民勤县为研究对象,在分析农业净灌溉需水量宏观驱动力因子(1959-2005)的基础上,以关键因子作为输入项,区域农业净灌溉量为输出项,分别建立农业净灌溉需水量的多元线性回归模型、人工神经网络BP模型以及人工神经网络集成模型。并对不同模型的模拟效果进行比较;通过对时间序列的离散化蒙特卡洛(MC)设计,采用不确定性评价指数(d-factor)对3种模型模拟的不确定性进行分析。结果表明:与多元线性回归模型和神经网络BP模型相比,神经网络集成模型具有较高的模拟精度,并能合理地指示影响因素与净灌溉需水量的不确定性变化。     

不同灌溉方式对精量穴直播超级稻生产的影响

为了探明精量穴直播超级稻湿润灌溉的需水量和不同灌水量对超级稻产量构成因素的影响,以指导精量穴直播超级稻节水灌溉,通过大田试验,研究了不同灌溉方式对精量穴直播和常规移栽水稻培杂泰丰（超级杂交稻）和玉香油占（超级常规稻）2个超级稻品种生产的影响。结果表明：精量穴直播湿润灌溉处理的灌水量相对于精量穴直播常规灌溉少23.51%,相对于移栽常规灌溉少30.46%,精量穴直播湿润灌溉处理和精量穴直播常规灌溉处理的产量没有明显差异,而这2个处理的理论产量分别比移栽常规灌溉处理高7.75%和9.62%,实际产量分别高9.18%和8.09%;精量穴直播湿润灌溉处理的干物质量和叶面积指数显著高于其他2个处理。说明湿润灌溉有利于精量穴直播超级稻高产的形成。     

基于人工神经网络的田间信息插值方法研究

提出了一种基于人工神经网络的田间信息插值新方法，并利用ArcView3.2软件绘制碱解氮的BP神经网络插值空间分布图和球状插值分布图，并对BP神经网络插值方法和克立格球状插值方法的结果进行了误差分析。结果表明，BP神经网络的插值方法优于克立格球状插值法，该方法有利于田间信息空间分布特性准确、直观的表达，有利于农田精确施肥、灌溉、播种等精细农业生产管理。     

水稻灌溉需水量对气候变化响应的模拟

气候变化会导致作物耗水过程改变,从而影响灌溉需水。研究水稻灌溉需水对气候变化的响应规律,有助于合理制定应对气候变化的灌溉策略,保障水资源可持续利用和粮食安全。该文基于1961-2010年气象数据和HadCM3大气环流模式A2和B2两种情景下的统计降尺度模拟结果,利用经田间试验资料验证后的水稻模型ORYZA2000,模拟淹水灌溉和间歇灌溉两种灌溉处理下、历史和未来情景下水稻灌溉需水对气候变化的响应规律。结果表明:过去50年,间歇灌溉和淹水灌溉模式下水稻耗水量呈现显著上升趋势,而水稻灌溉需水量和产量都呈现下降趋势,分别由降水增加和气温升高、辐射下降导致的生育期缩短引起;未来气候情景下,间歇灌溉和淹水灌溉模式下水稻耗水量在未来3个时期(2020s,2050s和2080s)均呈现不同程度的增加;耗水量的显著增加和降水的减少导致了未来3个时期水稻灌溉需水量的明显增加;受持续增温的减产效应影响,水稻产量在未来3个时期呈现减少趋势,且降幅逐渐变大。     

模糊控制在水稻节水自动灌溉中的应用

根据水稻需水规律实施适时适量的自动灌溉是节水节能、提高水稻产量和质量的重要方式,但水稻生长过程需要水层,使得水稻的自动灌溉实施非常困难。针对这一问题,该文通过水分传感器、测针分别获取田间含水率和水层深度作为水稻自动灌溉指标;并以田间含水率（或水层深度）及其变化率作为输入,灌溉时间为输出,建立模糊控制系统;驱动农用抽水泵,实现自动灌溉。仿真结果和初步试验表明系统自动控制过程稳定,与人工控制相比,在水稻分蘖期可节约水资源约10%,为水稻的适时适量自动灌溉提供了思路。     

作物精量灌溉系统的无线传感网络应用开发

为准确提供作物水分亏缺程度并为精量灌溉提供科学依据,基于作物水分胁迫声发射原理,研究无线传感器网络技术在精量灌溉系统中的应用。采用自适应加权数据融合算法来提高声发射信号精度,提出基于簇的多跳路由算法以减少结点数据传输能耗,利用NB100网关实现无线网和有线网之间的桥接。系统分布式运行,具有鲁棒性强、易于扩充和伸缩性良好等优点。仿真试验表明该系统组网正确、无线传输能耗占总能耗的60%以上,可以使人们远程、精确获取作物需水信息,并实施精量灌溉,能够应用到农田、苗圃、温室等节水农业领域中。     

基于灰色关联度与BP神经网络模型的日参考作物腾发量预测

参考作物腾发量是制定灌溉用水计划、水量分配计划最基本、最重要的内容之一,其精确预测可以提高灌溉预报的精度。采用灰色系统理论中的关联分析方法,对影响作物腾发量的各个气象因素进行关联度分析,挑选出影响作物腾发量的主要气象因子,并以这些主要气象因子为输入向量,以参考作物腾发量为输出向量,建立作物腾发量与主要气象因子之间的BP神经网络预测模型。通过实例证明,该方法简单可行,预测精度比较高,能够满足实际生产需要。     

基于BP神经网络的地下水动态预测

人工神经网络是一种高度非线性的并行分布处理系统,采用人工神经网络预测宝鸡市的地下水位动态变化趋势,取1995-2007年研究区内的降水入渗补给量、河道渗漏补给量、人工开采量和闸坝蓄水渗漏量作为输入因子,建立BP模型,用于模拟2008的年地下水位埋深,并与传统的灰色模型进行比较,结果表明:BP神经网络的相对误差介于0.07%～1.98%,相对于灰色模型(0.13%～6.41%)具有较高的预测精度,可为该灌区地下水位的动态预报提供参考。