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。     

新疆阿勒泰地区耕地质量评价及障碍因素诊断

【目的】评价阿勒泰地区耕地质量等级,引入障碍度模型诊断低等地障碍因素,为耕地的改良和建设提供数据支持。【方法】运用特尔斐法、层次分析法和模糊综合评价法,从立地条件、理化性质和耕地管理3个方面选取13个指标,利用地理信息系统技术和障碍度模型定量化对阿勒泰地区耕地质量和障碍因素进行分析和诊断。【结果】(1)阿勒泰地区耕地质量平均等级为5.24等,优等地(一至三等)、中等地(四至六等)、低等地(七至十等)分别占耕地总面积的12.30%、62.84%和24.86%,以中等地为主,阿勒泰地区耕地质量现状良好。(2)对阿勒泰地区低等地进行障碍因素诊断,发现评价指标中有机质、有效磷、灌溉能力和有效土层厚度的障碍度占比较高,分别为16.30%、13.41%、12.27%和8.32%,以轻、中度障碍为主,主要分布在布尔津县、福海县和青河县,富蕴县的耕地障碍因素不明显。【结论】阿勒泰地区耕地质量受海拔和环境等因素的影响有从东北向西南方向递减的趋势,理清了低等地中障碍因素的种类、数量和空间分布。     

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。     

基于BPNN的烤烟褐变程度识别及其分类烟叶质量分析

【目的】建立BP(Back propagation)神经网络(BPNN)自动识别系统，以实现烤烟褐变标准化和量化。【方法】以云烟87上部烟叶为样本，通过扫描获取烟叶颜色等特征信息，建立BP神经网络烤烟褐变程度识别模型，输出判别结果，以人工判别烤烟褐变结果为参考，进行相似度比较。通过外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化分析比对，验证BP神经网络自动识别系统和人工识别结果的精准度。【结果】建立的BP神经网络模型能够精准识别烟叶褐化等级，其识别准确率为98.75%,分级烟叶外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化与人工识别基本一致，两种识别模式无显著性差异(P<0.05),为杂色烟分级提供了客观评价方法，能有效区分不同褐变程度烟叶的可用性。【结论】BP神经网络识别系统对烟叶褐变程度鉴别精准度与人工识别接近，可以利用BP神经网络自动识别系统替代人工识别。     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于GIS 技术与层次分析法的耕地适宜性评价研究

【目的】耕地适宜性评价是研究耕地合理利用的核心内容之一,是对影响耕地质量的各种条件的综合评估,是土地利用规划的基础,为合理保护耕地资源提供重要依据。【方法】文章在研究区内基于土壤养分、立地条件、理化性状、土壤管理四个方面,选取12个评价因子构建耕地适宜性指标评价体系,以16m×16m栅格为评价单元,选用层次分析法确定评价指标权重,运用遥感和地理信息系统技术(GIS)建立模型进行综合评价,将研究区耕地适宜性划分为10个等级。【结果】研究区耕地整体适宜性良好,其中一到六级耕地占全区耕地总面积的81.07%,同时也有相当面积的耕地评价等级较低,处于勉强宜耕或不适宜耕作的状况。【结论】通过模糊数学和专家打分获得的耕地评价值,在AHP模型中将各指标分4类赋权重,最后得到相互关联的耕地指标体系,且利用GIS技术处理栅格数据对表现耕地适宜性具有良好的作用,研究成果对研究区耕地资源合理保护及促进耕地可持续发展有重要的意义。     

菏泽市牡丹区耕地质量等级评价及分析

【目的】研究菏泽市牡丹区耕地质量等级状况，为更好地保证国家粮食安全、农产品质量安全及生态安全服务。【方法】根据《耕地质量等级》国家标准和《全国耕地质量等级评价指标体系》，参照山东省耕地质量等级评价成果，结合菏泽市牡丹区耕地质量实际情况，对菏泽市牡丹区耕地质量进行等级划分。【结果】牡丹区二等耕地3826.15公顷，占全区耕地总面积的5.12%；三等耕地18 525.43公顷，占全区耕地总面积的24.79%；四等耕地35 444.17公顷，占全区耕地总面积的47.43%；五等耕地15 057.98公顷，占全区耕地总面积的20.15%；六等耕地1875.71公顷，占全区耕地总面积的2.51%。全区耕地加权平均等级为3.90。【结论】菏泽市牡丹区耕地质量等级较高，但无一等耕地，而二等耕地面积较小，还要持续加强农田建设，真正实现藏粮于地、藏粮于技战略，守牢耕地质量红线，确保国家粮食安全。     

基于GA-BP神经网络的灌木生物量估测模型

【目的】应用以遗传算法优化的BP(GA-BP)神经网络构建灌木生物量估测模型,以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象,应用遗传算法优化BP神经网络的结构、初始权值和阈值,通过BP神经网络训练构建荆条最优地上生物量估测模型,并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明,GA-BP神经网络模型和回归分析模型的模拟精度分别为77.65%和71.79%,估测精度分别为81.46%和75.64%,GA-BP神经网络模型的精度略高于回归分析模型。【结论】应用GA-BP神经网络构建灌木生物量模型是可行的,能够实现灌木生物量的快速估测。     

基于遗传算法优化的BP神经网络的组合预测模型方法研究

【目的】提出以传统猪瘟发病率为对象的组合预测模型。【方法】利用ARIMA模型以及灰色模型GM(1,1)进行数据初始化处理,将初步处理结果作为优化后的BP神经网络输入构建组合模型。【结果】利用组合模型对2000年到2009年的月度发病数据进行实例分析,结果表明预测数据精度达到97.379%,较ARIMA模型,灰色模型、BP神经网络模型分别提高了5.469%、3.499%、1.188%,模型平稳性增强,预测结果良好。【结论】本研究为动物疫情测报提供了有效的分析手段,验证了组合模型在动物疫情研究中的可行性,并可为其它动物疫病提供借鉴和参考。     

基于BP神经网络的烤烟外观质量预测模型

【目的】为探究烟叶常规化学成分与各单项外观质量评价指标之间的关系,为外观质量评价的智能精准化发展提供科学依据。【方法】对选取的2017年湖南烟区具有代表性的初烤烟叶样品进行常规化学成分的测量及外观质量评定,通过因子分析法对作为BP神经网络输入变量的常规化学成分进行筛选,分别构建拓扑结构为7-10-1的各单项外观质量指标预测模型。【结果】所选烟叶样品的常规化学成分含量和外观质量得分的统计分析符合正态分布,网络模型对样本的训练结果表明:各个单项外观质量评价指标预测模型中,网络模拟值与实际目标值之间的误差区间在0～0.5范围内的比例均达到60%以上,误差区间在0～1.0范围内的样本比例均达到90%以上,其中成熟度和色度的决定系数达到显著水平;颜色、身份、油分、叶片结构的决定系数达到极显著水平。【结论】基于烟叶常规化学成分含量,利用BP神经网络构建的各项外观质量指标预测模型具有较高的精准性。     

基于GoogLeNet和无人机图像的水稻秧苗形态识别

【目的】针对目前国内评价插秧质量主要以人工观察和随机抽样的现状,提出一种基于卷积神经网络GoogLeNet对水稻秧苗图像进行形态识别的方法。【方法】首先,利用无人机超低空航拍获取清晰、完整的稻田秧苗图像,通过裁剪标记制作漂秧、伤秧和合格秧苗数据集;然后,基于GoogLeNet结构训练数据,得到最佳网络识别模型;最后,对单穴秧苗图像进行分类试验,并与传统图像分类算法(SVM、BP神经网络)进行对比。【结果】在相同样本的条件下,基于GoogLeNet的秧苗形态识别方法更快、更准确地完成了判断分类,秧苗形态识别的平均正确率为91.17%,平均耗时0.27 s;与SVM和BP神经网络相比,分类平均精度分别提高了21和13个百分点,检测时间分别缩短了1.09和0.58 s。【结论】本研究可为水稻插秧质量评价提供相关支持。     

多源遥感数据支撑的耕地质量监测与评价

【目的】耕地质量监测与评价可为土地整治、占补平衡、新增耕地质量评估和基本农田管护提供科学依据,多源遥感为实现长时序大范围的耕地质量监管提供了数据基础和技术支撑。【方法】文章从耕地质量的定义出发,研究了基于遥感技术耕地质量监测与评价的两种策略:(1)从地学特征、土壤特性、环境状况、建设水平和生物多样性等5个维度表达耕地质量的科学内涵,构建以多源遥感数据为基础的耕地质量监测与评价指标体系,并梳理利用遥感技术获取各关键指标因素的方法;(2)从系统思维的角度,利用长时间序列遥感数据监测作物长势间接反映耕地质量综合状况。【结果】以多源遥感支撑的耕地质量监测与评价体系可实现耕地质量信息的实时、大范围获取,对耕地质量监测与评价工作具有重要意义;遥感技术支撑的耕地质量监测与评价,逐渐向更高精度、更多样化和更融合的方向发展。【结论】该研究结果可为耕地质量的实时大范围监管和耕地资源的"三位一体"管护提供参考。     

基于自组织特征映射神经网络的中国耕地生产力分区

【目的】耕地生产力的高低直接关系到国家粮食安全,科学分析不同区域耕地生产力构成要素及其影响机制、摸清耕地资源状况,对于把握耕地资源利用的科学决策、实现耕地产能提升,特别是支撑省域土地整治以及高标准基本农田划定、保障国家粮食安全战略具有重要意义。【方法】基于中国31个省（自治区/直辖市）的土壤肥力、气候条件、地形地貌等自然条件及经济投入、效益反馈等社会统计数据,建立构成自然要素及社会经济要素的指标体系。根据粮食作物单产对耕地生产力分级,并结合以往区划确定耕地生产力区。在深入剖析耕地生产力与其构成素要素之间的复杂、高维、非线性关系基础上,采用自组织特征映射神经网络模型,通过U-矩阵面板以及变量位面对评价单元耕地生产力6个自然要素、5个社会经济要素构成的高维复杂数据进行可视化和空间聚类,识别不同空间格局下耕地生产力的差异性和相似性,直观反映耕地生产力构成要素变化的敏感分布区域,并基于耕地压力指数校正。最后,将聚类结果与耕地生产力分级结果叠加,并结合综合性、相对一致性、区域共轭性、行政单元完整性等原则进行适当调节,确定耕地生产力亚区。【结果】不同省域的土壤肥力、气候条件、地形地貌及经济投入、效益反馈方面有显著的空间差异性和发展的非均衡性,进而将自然要素、社会经济要素均聚为6类。以此为依据,将中国耕地生产力划分为10个耕地生产力区、24个亚区,其中耕地生产力区包括东北平原区、华北平原-丘陵区、黄土高原区、四川盆地、长江中下游平原区、华南丘陵区、云贵高原区、内蒙古高原区、西北内陆区、青藏高原区。耕地生产力亚区是根据自然要素、社会经济要素的可视化特征和空间聚类结果对耕地生产力区的区域优势及限制因素的细化及简要说明,并基于耕地压力指数校正,最终建立起中国耕地生产力分区系统。【结论】分区综合考虑了由自然要素、社会经济要素及耕地压力指数共同构成的区域耕地生产力主导因素及关键问题,分区系统与客观实际相吻合,表明自组织特征映射神经网络模型是一种耕地生产力要素分区与敏感区域识别的科学有效方法,通过空间可视化与要素聚类分析,揭示了不同区域的耕地生产力现有优势、限制因素。     

正则化RBF网络模型在地下水位预测中的应用

【目的】建立地下水位预测的正则化RBF网络模型,为区域地下水资源的利用、规划和管理提供决策依据。【方法】以MATLAB7.0为平台,用函数newrb创建正则化RBF网络模型,基于宝鸡峡灌区B210号观测井1983-2009年的地下水位埋深资料,对网络模型进行训练后再用测试集检验,分别绘制训练集与测试集的拟合曲线,同时计算实测值与预测值间的相对误差(RE)、平均绝对偏差(MAD)和均方误差(MSE),并将其与BP网络模型的相应值进行对比。【结果】正则化RBF网络模型和BP网络模型的相对误差均小于5%,平均绝对偏差分别为0.53和0.85,均方误差分别为0.54和1.15,相比之下,正则化RBF网络模型的预测精度更高。【结论】训练样本和测试样本的合理选取为时间序列的拟合扩展了思路,良好的泛化能力使正则化RBF网络模型在区域地下水位预测中具有一定的可行性。     

耕地资源非农化价值损失评价模型与补偿机制研究

【目的】耕地资源生态价值和社会价值长期被忽视是我国耕地保护中最大的不足和缺陷,耕地非农化价值损失远远超过传统意义上的经济价值损失。耕地资源流失、非农化的核心问题之一是对耕地资源非农化价值理论认知的缺失,是对耕地资源（保护）非农化价值构成、体系、方法等科学问题研究还不够透彻、不够深入,这是必须认识到的一个基础理论问题。通过构建耕地价值评价方法与模型,实现耕地资源（保护）非农化价值损失定量评价与模拟,以期为耕地保护、耕地补偿决策等提供理论和实践参考。【方法】以耕地资源价值分类为基础,运用收益还原法、等效替代法、市场价值法构建耕地资源经济价值、社会价值和生态服务价值综合评价模型。耕地资源经济价值主要通过修正不同农作物的收益差异权重指数,运用收益还原法计算经济价值;耕地资源社会价值主要运用等效替代法计算,其中采用城镇养老保险金修正参数代替基本保障价值,用农民农业生产效益参数代替农民就业工资水平,用区域粮食供需差额参数代替社会稳定价值;耕地资源生态服务价值在修正单位耕地面积生态当量因子的基础上,考虑生态服务当量因子的经济价值与平均粮食单产市场价值的相关关系,运用市场价值法进行计算。【结果】（1）评价模型客观地还原了耕地资源货币化价值,具有一定的可行性和科学性,并可以实现不同区域耕地价值的评价与模拟,具有较强的通用性和适用性。（2）实证研究表明,四川省耕地资源保护价值为122.85万元/hm2,其中经济价值、社会价值与生态服务价值分别占5.74%、64.17%、30.09%。（3）以2010年为基准年,四川省耕地资源保护价值为82 555.20亿元,是四川省当年GDP的4.8倍,耕地非农化价值损失量为436.12亿元,为当年GDP的2.5%。【结论】（1）耕地（保护）非农化利益主体的微观响应表明,中央政府不能被排除在耕地资源（保护）非农化价值损失补偿之外,其应该承担耕地保护的生态服务价值和社会稳定价值,并以此为基础建立耕地保护基金提供给耕地保护者,地方政府和非农用地企业要承担耕地非农化损失全部价值补偿。（2）耕地资源价值具有较强的区域性差异性,建立耕地价值评价和修正体系是今后需要解决的重要技术问题之一。（3）该评价方法和结果可用于耕地资源非农化价值损失评价实践,研究结果为中央政府应承担耕地保护基金提供了理论依据,为具体补偿标准制定提供了技术支撑,为耕地补偿机制建立提供了一个新的视角,有助于改变传统耕地保护模式并建立耕地保护补偿新机制。     

基于ANN 多源遥感数据融合的耕地种植强度估算方法研究

【目的】文章引入"种植强度指数"的概念,对现有评价指标进行改进,利用基于遥感数据的种植强度指数实现耕地集约化利用程度的精细化表达。【方法】该文以湖北省为研究区,融合Landsat 8遥感数据和MODIS时间序列植被指数数据,构建了人工神经网络模型估算湖北省耕地种植强度。【结果】利用BP神经网络提取的研究区耕地种植强度与验证样区耕地种植强度间决定系数达到0.923,证明了该研究方法的可靠性。【结论】人工神经网络模型估算方法得到的高时空融合的种植强度数据集,可为智慧农业提供技术方法和基础数据,对于耕地集约化利用的研究具有重要意义。     

基于BP和Adaboost-BP神经网络的 羊肉新鲜度高光谱定性分析

【目的】 实现对羊肉新鲜度的快速准确鉴别。【方法】 研究通过对460~1 000 nm的羊肉高光谱图像纯肌肉部分提取光谱数据,以挥发性盐基氮(TVB-N)值对新鲜度等级进行划分,对预处理后的光谱数据分别采用连续投影算法(SPA)、主成分分析(PCA)两种压缩降维方法和反向传播(BP)神经网络、自适应提升BP(Adaboost-BP)神经网络两种建模方法开展羊肉新鲜度的分类比较。【结果】 其中采用SPA、PCA建立的BP模型校正集与预测集准确率均为100%、83.33%,建立的Adaboost-BP模型校正集与预测集准确率均为100%、94.44%,两种压缩降维方法下Adaboost-BP模型效果均优于BP模型。【结论】 利用高光谱图像技术结合Adaboost-BP方法对羊肉新鲜度等级进行分类判别是可行的。     

基于混沌神经网络的径流预测模型

【目的】揭示径流时间序列变化规律并进行预测,为水库调度提供指导。【方法】针对径流时间序列的非线性特点,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌相空间重构的径流量预测BP网络模型,并利用该模型对位于陕西省汉江上游的石泉水文站的径流时间序列进行了预测。【结果】实例计算结果表明,石泉水文站月平均流量的时间序列具有混沌性,最大嵌入维数为12,依此构建的BP神经网络收敛速度快、预测精度较好。【结论】利用重构相空间中的最佳嵌入维数,可合理确定BP神经网络的输入层节点数。     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

基于修正组合模型的包头市用水量预测分析

【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。