灌溉用水量的并联型灰色神经网络预测

该文提出了把人工神经网络和灰色预测方法结合成并联型灰色神经网络预测方法,用这种方法来预测灌溉用水量,并以预测方法有效度为优化指标求解组合模型加权系数。结果显示,灰色神经网络预测方法的平均误差为2.67%,明显低于单一的灰色预测方法和神经网络预测方法的平均误差,可以将这种组合方法应用于中长期灌溉用水量预测。     

闽东南土壤流失人工神经网络预报研究

利用径流实验场观测资料，首次提出应用人工神经网络模型实现土壤流失预测预报，并通过模拟计算进行了检验，与通用土壤流失方程（USLE）比较，人工神经网络模型预报模拟精更高，从而为闽东南土壤流失预测预报提供准确信息。     

油菜菌预报的人工神经网络方法

运用人工神经网络，根据陕西省扶风县油菜菌核病多年资料，建立了该种农作物疾病流行趋势预测的计算机智能专家系统，预测成功率１００％。该方法性能良好，可望成为农作物疾病流行趋势预报的有效辅助手段。     

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.     

基于漫反射光谱的叶面药液浓度检测方法

应用漫反射反射光谱对叶面药液质量浓度进行了检测研究。选择350～1900nm波段,以标准偏差归一化、三点滑动平均滤波、一阶导数组合预处理,应用逐步回归分析、主成分、主成分+人工神经网络、偏最小二乘、偏最小二乘+人工神经网络回归分析建立了5种数学模型。试验结果表明这5种算法的预测均方根误差分别为0.067、0.061、0.059、0.039、0.056,偏最小二乘法建模效果优于其他模型。考虑到不同作物种类对叶面药液浓度影响,选用八角金盘、油菜、青菜3种作物叶片为对象,在偏最小二乘下建模,其预测集相关系数分别为0.994、0.974、0.929,预测均分根误差分别为0.039、0.050、0.075。表明不同种类作物对叶面药液浓度检测影响较小,漫反射光谱技术检测叶面药液浓度是可行的。     

人工神经网络在渭北灌区地下水位动态预测中的应用

地下水位动态变化受自然和人为因素的影响和制约,是一个复杂的非线性系统,而准确地预测地下水位变化在灌区水资源开发利用和生态环境建设中有着重要的意义。利用人工神经网络方法具有并行分布处理的高度非线性功能,对渭北黄土台原灌区典型水井地下水位进行了模拟预测。结果表明,人工神经网络有较高的预测精度,具有一定的推广应用价值。     

近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量

运用偏最小二乘法(PLS)和人工神经网络(ANN)方法分别建立了0.9 mm筛分风干黑土土壤碱解氮、速效磷和速效钾含量预测的近红外光谱(NIRS)分析模型。使用偏最小二乘算法建立的碱解氮、速效磷和速效钾校正模型的决定系数R²分别为0.9520、0.8714和0.7300，平均相对误差分别为3.42%、13.40%和7.40%。人工神经网络方法建立的碱解氮、速效磷和速效钾校正模型的决定系数分别为0.9563、0.9493和0.9522，相对误差分别为2.67%、6.48%和2.27%，测试集仿真的相对误差分别为5.44%、16.65%和7.87%。结果表明，人工神经网络方法所建立的校正模型均优于偏最小二乘法所建模型；用近红外光谱分析法预测土壤碱解氮含量是可行的，而速效磷、速效钾模型的测试集样品仿真的相对误差较大，其预测可行性还需做进一步研究。     

基于熵权的福建粮食产量组合预测模型

本文尝试将组合预测法应用于福建省的粮食产量预测，以提高预测的精度。运用平均绝对百分误差（MAPE）等5个预测效果的评价指标对各模型进行综合比较，结合熵权法客观地为每种预测方法分配权重；通过赋予合理权重，将各模型的预测结果加权求和得到最终的预测结果，建立了福建省粮食产量组合预测模型。利用1949—2004年福建粮食产量资料进行拟合检验，组合模型的精度明显提高。     

土壤水分预测神经网络模型和时间序列模型比较研究

土壤水分运动是一个复杂的时间序列系统，其变化与区域气候条件和生态环境密切相关，具有明显的随机性波动。建立土壤水分动态变化模型可以使田间土壤水分的适时适量调节方便可行，有利于农田水利工程的规划和管理。该文利用人工神经网络方法和时间序列自回归(AR)模型进行了土壤水分预测建模研究，试验结果表明：在数据量较少的情况下，AR模型具有较好的预测效果；在数据量较多的情况下，神经网络模型能够获得较好的预测效果。     

基于人工神经网络的农户经济收入预测研究

研究了利用误差反向传播人工神经网络(BP网络)的多变量综合预测问题,并以研究上黄试区民户经济收入为背景,建立了相应的多变量综合预测BP模型.预测结果表明:农户经济收入神经网络模型预测精度较高,开辟了农户经济收入预测的有效途径.     

天气气候征兆预报法研究与应用

经过30多年研究和应用，验证了“天气气候征兆预报法”具有发报早、准确率高、简便易行等优点，对提高天气预报质量、指导农业防灾减灾具有重要意义。     

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。     

基于贝叶斯定理与洪水预报误差抬高水库汛限水位的风险分析

水文气象预报技术的发展为水库防洪调度动态控制汛限水位提供了可能。抬高水库汛限水位可提高水库兴利效益,但有一定防洪风险。该文基于贝叶斯定理与洪水预报误差特性,提出确定汛限水位动态控制域上限的风险分析方法。以清河水库为实例,当汛限水位动态控制域上限遭遇设计频率洪水时,该文分析在不同洪水预报误差范围内,调洪最高水位超过各设计频率特征水位的概率,并应用贝叶斯定理得出各设计频率洪水发生时遭遇不同洪水预报误差的风险。结果表明,清河水库实施预报调度方式确定的汛限水位动态控制域上限127.80 m是安全的。该文提出的风险分析方法弥补了目前预报调度方式风险分析中不能直接得知不同洪水预报误差的风险的不足,充实了水库调度风险分析的理论基础,具有一定的理论意义和实用价值,可供同类型水库参考应用。     

中国化肥需求预测方法浅析

总结了国际和国内相关研究方法的优劣点,探讨了适合我国管理决策特点的化肥需求研究思路,并尝试利用不同方法预测了我国化肥的理论需求和市场需求,以求进一步完善我国化肥需求预测方法。     

墒情监测与预测预报方法研究进展

就墒情监测与预测预报方法研究进行了阐述,分析了墒情监测的意义以及国内外在墒情监测方面的研究动态,重点分析了土壤墒情预测预报模型和各自适用的条件以及各模型应用的不足,同时也分析了土壤墒情监测与预测预报方法研究对促进我国农业灌溉水资源高效利用的重要意义,为我国墒情监测的研究提供一定的理论参考。     

基于日天气预报数据估算小麦生长季参考作物蒸散量

为了在气象要素类型不完整条件下采用Penman-Monteith方法估算小麦生长季蒸散量,运用2014/2015和2015/2016年度两个小麦生长季新乡历史日天气预报数据和对应日气象实测数据,以及修正后的太阳辐射参数和调节系数,首先验证天气预报气温值的准确性,并以预报气温为基础,估算实际水汽压和太阳辐射,最后利用天气预报气温和平均风速值,以Penman-Monteith公式为基础估算参考作物蒸散量。结果表明：日天气预报温度数据可以代替气温观测数据;用天气预报中的最高和最低气温估算的水汽压和太阳辐射能满足Penman-Monteith公式的要求;用天气预报数据估算的辐射项的精度高于空气动力项的精度。总体上,用天气预报数据估算的日参考作物蒸散量中辐射项的精度高于空气动力项,用天气预报估算值总体偏低,但低估范围在7%之内,经统计分析,用天气预报估算与利用Penman-Monteith估算的日参考作物蒸散量相关性较高（R2=0.77）。因此,采用日天气预报的气象资料估算参考作物蒸散量这一方法可行,建议在干旱半干旱地区采用辐射法估算参考作物蒸散量,这给农业灌溉预报提供了理论和方法上的保证,并对指导当地农业水资源的优化配置具有参考意义。     

基于两种方法建立辽宁大豆产量丰歉预报模型对比

利用辽宁省56个气象站1992?2016年逐日气象资料和5个代表农业气象站的大豆发育期资料,计算不同生育期关键气象因子和气候适宜度指数,分别建立基于关键气象因子和气候适宜度的辽宁省大豆逐候产量动态预报模型,并进行回代检验和预报检验。结果表明：基于关键气象因子的预报模型在6月16日、7月21日、7月26日、8月1日、8月26日和9月16日可以进行产量预报（P＜0.05）,基于气候适宜度的预报模型在8月16日-10月1日每候可进行1次产量预报（P＜0.05）;两种预报模型的平均回代检验准确率均高于83.0%;基于气候适宜度的预报模型回代检验准确率和预报检验准确率的变幅较小,稳定性更高;应用两种预报模型,辽宁省大豆产量趋势预报业务得分＞0的年份约占60%。说明利用两种模型对辽宁省大豆产量进行动态预报均能满足业务服务需求;进行趋势预报时,可以优先考虑基于关键气象因子的预报模型,而在未出现重大气象灾害的正常年份,可以赋予基于气候适宜度的预报模型更多权重,以减少预报时次。     

基于气象分析的二滩电站月径流预报

采用相关概率法对月径流与前期气象因子进行相关分析,建立月径流的前期气象因子集,应用BP网络建立基于气象分析的二滩电站月径流预报模型。电站枯水期和丰水期月径流的拟合和预报结果均显示了较高的预报精度,预测值较好地反映实测值发展趋势,这表明基于气象物理成因的月径流预报是可行的。     

基于神经网络的灌区融雪型河源来水预报模型

该文将神经网络理论应用于冰雪融水补给为主的河流来水过程的模拟与预报，研究并识别冰雪融水补给为主的河流来水变化过程与其影响因子之间的复杂非线性关系，为无调蓄设施灌区灌溉来水预报提供一种新的方法和途径。在此基础上将神经网络模型与传统回归模型进行了对比分析，并用于新疆塔什库尔干河流来水量预报，两模型预报结果与实测结果一致，神经网络模型模拟精度更高；神经网络模型在预报因素选择方面较回归模型简单，有成熟的理论基础。研究分析表明其成果完全可以应用于工程生产，解决灌区来水的预报难题，有较好的应用前景。