BP神经网络方法在城市土地生态安全评价中的应用——以武汉市为例

以武汉市为例,选取21个指标构建土地生态安全评价指标体系,选用BP神经网络方法,通过输入指标数据对网络进行训练,评定出武汉市土地生态安全等级。结果表明2,008、2009年武汉市土地生态安全为一般安全等级,2010年为较为安全等级。BP神经网络是一种切实可行的高信度的生态安全评价方法。     

基于GA-BP神经网络的玉溪市耕地生态安全评价

【目的】尝试在BP神经网络的基础上引入遗传算法进行耕地生态安全评价,以解决BP神经网络在进行土地生态安全评价中收敛速度慢及局部极小值等局限性问题。【方法】依据玉溪市耕地现状,建立由生态压力与生态支持两个子系统组成共计18个指标的评价指标体系,利用综合指数法和基于遗传算法的BP神经网络相结合的方法,对玉溪市2001—2015年的耕地生态安全进行分析评价。同时对BP神经网络及GA-BP神经网络的评价结果进行对比分析。【结果】(1) 2001—2015年,玉溪市耕地生态安全指数由0.772 7下降到0.280 2,由较安全(II)下降到较不安全(IV)。(2) GA-BP神经网络模型较传统BP神经网络模型训练及预测误差小,收敛速度快,评价结果准确程度高。【结论】GA-BP神经网络模型可用于耕地生态安全评价,并且由于其网络性能的改进,具有较强的应用价值。     

基于GA-BP神经网络的耕地自然质量计算模型研究

在常规耕地分等的方法中由于人为因素会干扰评价因子的权重及BP神经网络模型自身优化过程中容易陷入局部极小值的情况,通过遗传算法全局搜索最优权值的能力对BP神经网络进行优化,建立耕地自然质量计算的遗传算法优化的BP神经网络模型(GA-BP网络模型)。以黑龙江省绥化市明水县进行实证研究,结果证明,GA-BP网络模型能有效地避免常规方法评价因子确定权重时的人为干扰,同时具有较高的优化效率及泛化能力,能够更加快速智能地计算耕地的自然质量分,从而确定耕地的自然等别,应用效果相对较好。     

BP神经网络局限性及其改进的研究

针对神经网络的发展状况,利用概率及其它数学的方法,对神经网络中BP算法进行了分析,对BP算法的学习速度慢、容错能力差、算法不完备等缺点进行了讨论,得出BP神经网络的这些局限性均是BP算法本身固有的。在此基础上提出新的算法TFP,并讨论了网络假吸引中心的问题,在网络性能上,对保持知识的稳定性也作了探讨。     

基于遗传BP神经网络组合模型的中药销售预测研究

对某医院2010-2012年中药的销售及变化情况进行了对比分析。为了更好地保证医院中药的库存数量,提出了一种基于遗传算法优化BP神经网络组合模型,用改进的遗传BP神经网络进行中药销售量预测,并将预测结果和单纯使用BP网络的预测结果进行比较,实验证明遗传BP神经网络模型具有更高的预测准确度,为医院中药销售及科学管理中药库存量提供科学依据。     

卷烟劲头的BP神经网络模型预测

[目的]科学地评价卷烟配方中劲头的大小,通过建立BP神经网络模型预测卷烟劲头。[方法]以烟叶游离烟碱百分含量、总烟碱百分含量、结合态烟碱百分含量、游离烟碱占总烟碱比率和水浸液p H作为BP神经网络的输入,感官劲头作为输出,网络训练前对输入指标作归一化处理,然后通过训练样本数据对网络进行充分的训练,获得适宜的参数矩阵,得到卷烟劲头的网络预测模型,最后用训练好的网络模型对检验样本数据进行预测。[结果]卷烟配方中劲头大小的预测值与实际值相对标准偏差小于5%,达到了较好的预测结果。[结论]建立了卷烟劲头的BP神经网络预测模型,该模型对于预测卷烟劲头具有指导意义。     

基于径向基函数神经网络的植烟土地适宜性评价

在Matlab7．0环境下,根据人工神经网络的理论和方法,以重庆市彭水县植烟土地的实测数据及评价标准构建径向基函数神经网络模型,并进行模型训练及样本评价;在ArcGIS技术支持下,进行不同尺度土地适宜性评价及精度检验．结果表明：采用最近邻聚类学习算法选取聚类中心,模型具有较强非线性处理能力和逼近能力,并具有学习时间短,网络运算速度快,性能稳定等优点;通过模型评价结果和检验值的验证,发现用径向基函数神经网络模型评价土地适宜性,具有评价精度高,使用方便,适应性强等优点,因此可望将其用于区域土地资源生态环境分类评价研究．     

基于神经网络的管道沿线土壤腐蚀态势评价

利用神经网络极强的非线性逼近特点,采用神经网络评价管道土壤腐蚀态势。介绍了基于BP神经网络的管道土壤腐蚀态势评价模型建立的方法和过程,在实例计算中考虑土壤pH值、土壤电阻率、土壤氧化还原电位和电解失重四个主要因素,选取9个学习样本对BP神经网络进行训练,分别用训练好的BP神经网络和模糊综合评价对现场管道6个实测点进行腐蚀态势评价,结果表明,两种方法得到的评价结果完全一致,该方法可以用于对管道沿线土壤腐蚀态势的评价。     

基于径向基函数神经网络的植烟土地适宜性评价

在Matlab7.0环境下, 根据人工神经网络的理论和方法, 以重庆市彭水县植烟土地的实测数据及评价标准构建径向基函数神经网络模型, 并进行模型训练及样本评价;在ArcGIS技术支持下, 进行不同尺度土地适宜性评价及精度检验. 结果表明: 采用最近邻聚类学习算法选取聚类中心, 模型具有较强非线性处理能力和逼近能力, 并具有学习时间短, 网络运算速度快, 性能稳定等优点;通过模型评价结果和检验值的验证, 发现用径向基函数神经网络模型评价土地适宜性, 具有评价精度高, 使用方便, 适应性强等优点, 因此可望将其用于区域土地资源生态环境分类评价研究.     

集成GASA混合学习策略的BP神经网络优化研究

针对BP算法易于陷入局部极小值且收敛速度慢的缺陷,在BP神经网络训练过程中集合GA并行化群体搜索的特点和SA在局部极小处发生概率突跳的特性,基于GASA混合学习策略对BP神经网络进行优化.优化后的BP神经网络被应用在农作物虫情预测中,实验结果表明能够较大幅度提高网络学习的收敛性能和收敛速度,并一定程度上减少了算法的复杂性.     

基于Android手机的树木叶片识别系统

为了准确高效地识别树木叶片,开发了一款基于Android 操作平台的树木叶片设别系统。该系统提取13 种树木叶片特征描述子,选择支持向量机作为分类器。该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5 个模块。选取来自15 个树种的1 500 片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44%,优于BP 神经网络的91.56%,达到了令人满意的效果。该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求。     

基于Android手机的树木叶片识别系统

为了准确高效地识别树木叶片,开发了一款基于Android操作平台的树木叶片设别系统.该系统提取13种树木叶片特征描述子,选择支持向量机作为分类器.该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5个模块.选取来自15个树种的1 500片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44％,优于BP神经网络的91.56％,达到了令人满意的效果.该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求.     

概率神经网络的水稻种植面积遥感信息提取研究

为了提高水稻种植面积遥感信息提取精度,将根据水稻生长期所选择的多时相遥感影像经过大气校正和几何校正后,实施单波段统计、主成份变换和比值变换,选出最佳组合波段,通过分析概率神经网络(probabilistic neural network,PNN)的学习算法和基本结构,对最佳组合波段影像实现PNN模型分类,并将其分类结果与反向传播(back propagation,BP)神经网络模型和最小距离法的分类结果进行比较.结果表明:PNN模型比最小距离法的分类精度高出近6个百分点;PNN模型比BP模型的分类精度高出近13个百分点;对于水稻种植面积提取精度,PNN模型比最小距离法的结果高出15个百分点.从本次试验可知,PNN模型是一种有效的遥感影像分类方法,在作物种植面积提取方面将具有独到的功效.     

基于RBF神经网络的池州市降水序列预测

时间序列预测分析方法是进行预测预报的有效工具,有着广泛的应用。针对时间序列的非线性、动态变化等特征,基于RBF神经网络对时间序列预测方法进行改进,并以安徽省池州市1959～2009年来的月降水量为时间序列数据样本,用MATLAB软件编程,采用基于随机选取中心的RBF神经网络预测方法,对池州市的月降水量进行预测,并选择不同的扩展速度参数,用均方误差进行检验。通过与BP网络模型的预测结果比较分析,表明RBF模型的预测效果较好。建立的基于随机选取中心的RBF神经网络模型,不需要计算原始时间序列数据的复杂函数关系,具有操作简单、学习速度快、短期预测精度高等优点,用于时间序列预测方面能够获得十分满意的结果,具有很高的应用价值。     

基于IMU的细粒度奶牛行为判别

针对奶牛行为判别自动化水平不足、准确率低的问题,采用惯性测量单元(IMU)和卷积神经网络(CNN),对细粒度奶牛行为判别进行研究.结果表明:1)在KNN、SVM、BPNN、CNN和LSTM 5个模型中,CNN模型在奶牛行为分类测试集上的准确率最高.2)含有三轴加速度计、陀螺仪和磁力计的IMU更加适用于奶牛行为分类,其分...     

GM(1,N)灰色系统与BP神经网络方法的粮食产量预测比较研究

基于国家粮食安全预警系统的开发项目,针对我国粮食年产量预测中精度差和波动大的问题,分析了逐步回归、BP神经网络和GM(1,N)灰色系统3种常用预测方法的预测能力。根据能够计量和具有农学意义2个原则,选择了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积等12个重要的粮食年产量影响因子,用上述3种方法构建预测模型。在建模样本相同的情况下,结果显示,BP神经网络方法5年期拟合平均相对误差为1.44%,连续5年逐年预测平均相对误差可达到2.89%,这2个性能均优于其他2种方法,可以较好地应用于粮食安全预警系统,笔者最后探讨了对BP神经网络进一步优化的方法。     

概率神经网络在烤烟产地分类中的应用

利用基于统计思想和Bayes分类规则的概率神经网络的基本网络模型预测烤烟产地.网络以烤烟的主要化学成分测试数据作为输入,烤烟产地作为输出,对1995年贵州、湖南、山东、河南4省的烤烟进行产地预测.结果表明,概率神经网络能够准确地预测烤烟的产地.     

基于BP神经网络的图书馆网络病毒检测方法

提出了一种基于BP神经网络的图书馆病毒检测方法,该方法成功地把BP神经网络的理论引入计算机病毒的检测中。该方法比传统检测技术更有效地对系统信息和文件系统进行语法分析,快速地诊断出被感染病毒以及病毒的类型。     

基于反射光谱全波段与双波段甘蔗叶片叶绿素预测模型比较

以甘蔗品种新台糖22号(ROC22)叶片为研究对象,针对全波段和双敏感波段处的反射率分别建立甘蔗叶片叶绿素含量的预测模型,对比各模型的精度。全波段方面,以可见-近红外光谱反射率为输入量,提取出前5个主成分后,分别采用多元线性回归(MLR)与BP神经网络(BPNN)方法建立全波段模型M1与M2;敏感波段方面,选择731和785nm这2个敏感波段及由二者计算出的植被指数为输入量,建立一元线性回归(SLR)模型M3、MLR模型M4以及BPNN模型M5。研究结果表明:M1与M2的预测值与实测值间的决定系数R~2分别为0.792 4和0.892 9;M3、M4、M5的R~2分别为0.821 2、0.840 1和0.848 2;BPNN模型精度高于线性回归模型;虽M5的精度稍低于M2的精度,但M5只包含2个敏感波段信息,具有更高的工程应用价值。     

Modeling greenhouse air humidity by means of artificial neural network and principal component analysis

A back propagation neural network (BPNN) based on principal component analysis (PCA) was proposed for modeling the internal greenhouse humidity in winter of North China. The environment factors influencing the inside humidity include outside air temperature and humidity, wind speed, solar radiation, inside air temperature, open angle of top vent and side vent, and open ration of sunshade curtain, which were all collected as data samples. Through PCA of these data samples, 4 main factors were extracted, and the relationship between the main factors and the original data was discussed. Taking the principal component values as the input of BPNN, the model showed a good performance. A comparison was made between the performances of the BPNN based on PCA and the stepwise regression method with 20 data samples which had not been used to establish the NN model, and the prediction of stepwise regression method was less accurate than the BPNN based on PCA.