BP人工神经网络在罗非鱼价格预测中的应用

通过分析影响罗非鱼价格波动的因素,利用BP神经网络良好的非线性映射特性,建立罗非鱼价格预测模型。选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,结果表明,该模型收敛速度快,预测精度高。该方法为水产品价格预测提供了一种新思路,有较高的应用价值。     

基于NARX 神经网络的日光温室湿度预测模型研究

在日光温室湿度预测模型建模中,由于输入因子间存在复杂耦合关系以及冗余的条件属性,导致网络训练难以收敛且精度不高.选用影响日光温室湿度的环境因子组成数据样本,采用主成分分析方法对样本集进行解耦降维处理,以采用主成分分析后的数据样本作为输入,以日光温室内湿度作为输出,采用贝叶斯正则化算法构建NARX神经网络模型,对日光温室湿度进行预测.仿真结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对室内湿度值做出准确的预测.     

城市居民绿色水产品消费行为影响因素

采用问卷调查获得412个有效样本,通过建立基于社会认知理论的引力模型来考察绿色水产品消费行为的影响因素。分析结果表明,熟悉度、消费意愿、婚姻状况、自我效能感对绿色水产品消费行为有重要的促进作用,价格是实施绿色水产品消费行为的主要障碍。为促进绿色水产品消费,要通过多种途径广泛传播绿色水产品的概念、内涵和益处,可将已婚人士作为目标客户,可适当降低价格以吸引更多的消费者。     

灰色理论与BP神经网络耦合的粮食产量预报

以河南省为例,选取影响粮食产量的8个农业生产条件为指标,以2000~2007年8个序列的数据分别建立新陈代谢GM(1,1)模型,得到一系列预测值。将8个指标1990年至2007年的原始数据作为BP神经网络的输入样本,粮食产量实际值作为输出样本,然后对网络进行训练,构建了BP神经网络。再将各新陈代谢GM(1,1)模型得到的8个农业生产条件的预测值作为BP神经网络的输入,得到的输出即为最终预测值。仿真实验表明,用灰色理论与神经网络耦合模型研究河南粮食产量的拟合精度和预测准确度都比较理想。     

基于光谱技术和SIMCA方法的润滑油鉴别

采用可见-近红外反射光谱结合独立软模式法(SIMCA)建立了不同品牌种类的发动机润滑油鉴别模型。研究在对光谱曲线进行预处理和聚类分析后,选取7个主成分作为SIMCA的最佳主成分,随机采用20×7个样本作为建模样本,其余的10×7个样本作为预测样本,应用SIMCA进行分类,在显著性水平为5%下,其预测分辨率为98.75%。根据变量建模能力值,找到敏感波段420~425 nm、492~518 nm和796~816 nm,并将相应波段的光谱值作为SIMCA的输入,进行建模预测,结果发现,预测分辨率达95.71%,能快速正确区分7类不同品种的发动机润滑油。     

基于小波变换和神经网络的可见‐近红外光谱对烟草品种的鉴别

为了实现烟草不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立烟草品种鉴别模型.该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度.通过对4个品种的80个烟草样本建立训练模型,并用每个品种5个样本,共20个烟草样本进行预测.结果表明,用该方法对本研究4个品种的烟草鉴别正确率达100%.说明该方法具有很好的分类和鉴别作用,为烟草品种的快速鉴别提供了一种新方法.     

基于灰色关联度和BP神经网络的全国人口预测研究

文章首先运用灰色关联度分析,找出了影响人口变化的主要因素,将2009-2018年的主要因素数据作为BP神经网络的输入对网络进行训练;其次运用时间序列预测对2019和2020年的出生率、老龄人口数和农村人口数进行了预测,运用灰色预测对2019和2020年死亡率进行了预测;最后将2019和2020年各因素预测值输入已经训练好的BP神经网络中得到2019和2020年总人口预测值139900和140320,结果显示BP神经网络预测具有较高的准确性。     

基于SVM的河北省平原区水电转换系数内插预测研究

针对水电转换系数计算的复杂性,提出了1种基于支持向量机(SVM)的水电转换系数计算方法。结合实测的河北省平原区浅井的水电转换系数,以水电转换系数为输出变量,地下水位埋深、井龄、泵龄、机井所在位置(纬度、经度)为输入变量,在各行政区各选择一部分数据作为训练样本对SVM模型进行训练,另一部分作为预测样本进行测试。实例计算结果表明,使用该方法预测水电转换系数拟合度较好,误差小于30%的预测结果占81.16%,预测样本平均值比按区域水电转换系数均值预测的方法提高17.71%,同时分析了产生误差的原因并提出了改进措施。     

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理，再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力，可以满足预测的要求，因此，采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。     

基于K-mer-SVM的piRNA预测

采用支持向量机(SVM)结合K-mer分布特征预测piRNA.利用多种生物的非编码RNA序列数据库,从中挑选出piRNA序列作为正样本,并以由该数据库构建的非piRNA序列作为负样本,将正样本和负样本构成的数据随机取出50%作为训练集,将剩余的数据作为测试集;提取正样本和负样本序列的K-mer分布特征构建特征矩阵;用SVM对其进行分类,实现piRNA预测.结果表明K-mer-SVM在准确率、正例覆盖率、MCC和F测度等分类指标上均明显优于K-mer-LDA,说明K-merSVM是更好的piRNA预测算法.     

池塘养殖疾病诊断模型研究

利用BP 神经网络方法建立池塘养殖疾病诊断模型,并进行验证。以养殖种类尧养殖阶段尧病原体尧感染 部位尧水温尧地域作为输入因素,将疾病种类作为输出单元,通过模型训练,利用模型进行预测,预测结果误差在允许 范围之内。 学研究院淡水渔业研究中心）项目（2013JBFM13）     

化肥投入与环境库兹涅茨曲线的关系检验与分析——以贵州省南盘江流域为例

通过Eviews软件建立模型,运用二阶段最小二乘法,以贵州省境内南盘江流域化肥投入与贵州省农村居民2006-2015年的人均收入为样本,研究了化肥3种主要污染元素氮、磷和溶解氧的投入对南盘江水资源的影响。结果表明,化肥投入与环境之间存在环境库兹涅茨曲线,政府和相关部门应该对化肥投入造成的面源污染做出控制。     

基于DEA模型的城郊蔬菜种植投入产出关系研究

在分析1998~2012年蔬菜种植效益基础上,用DEA数据包络模型对蔬菜种植投入产出效率进行实证分析。结果显示:蔬菜种植成本利润率和产值利润率从2010年开始均有所下降,说明近两年蔬菜种植效益不高;实证分析表明,15年中有5年的投入产出效率处于DEA有效阶段,而其余10年处于规模报酬递增阶段,肥料费和间接费用投入效率相对较低。故建立健全蔬菜投入保障机制和改善生产管理模式是提高蔬菜种植效益的重要举措。     

基于WEB的水产养殖病害诊断专家系统

为解决水产养殖中的病害问题,采用TFIDF加权算法和动态规划的设计理念,结合余弦相似度模型,设计并实现了基于WEB的水产养殖病害诊断专家系统。该系统包括专家诊断模块、查询模块、浏览模块和专家在线更新模块,能自动对用户输入症状进行关键词提取并通过TFIDF算法加权,然后采用余弦相似度模型公式计算,得出输入文本与知识库中每篇文档的相似度,最后把相似度高的前3个疾病及其治疗方案作为诊断结果反馈给用户。经实验验证,该系统可以快速地对用户输入的病害症状进行正确诊断,可用于水产养殖生产实践中。     

基于CD生产函数及RNN的黑龙江垦区经济增长研究

为研究黑龙江垦区经济增长问题,首先对柯布-道格拉斯(CD)生产函数进行变形,具体将资本与劳动力投入细化到三种产业得到变形的生产函数,同时建立人工神经网络模型对新的生产函数进行模拟。为反映单个产业自身的投资累积效应,进一步引入自反馈环建立递归神经网络(RNN)模型。该模型可确定投资诸要素间关系,同时反映产业本身及产业结构间的内在联系。数值试验证明该变形生产函数及其RNN模型符合实际,且网络结构简单、算法易于实现、模拟及预测精度高,该算法还可广泛用于投资决策、投资产出预测等经济增长问题。     

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。      

基于BP神经网络的杉木林蓄积量估测研究

以杉木人工林为研究对象,选取与蓄积量预测有关的因子作为样本输入,通过分析神经网络各参数对网络性能的影响得到最佳参数值,构建结构为10∶3∶1的杉木林蓄积量BP神经网络模型,通过模型训练随机抽取46个样本单元数据并预测20个检验样本。结果表明:BP神经网络对于林分蓄积量具有很好的模拟效果,总体拟合精度为88.5%,均方误差MSE=2.95,所构模型合理、稳定,能够快速有效预测杉木林的变化规律。     

政府农村基础设施投资对农户耕地投入的影响评价简

运用VEC模型分析了我国农业政府农村基础设施投资对农户化肥、农膜及农药等生产要素投入的影响,结果表明：我国农业政府农村基础设施投资和农户农地投入具有协整性,两者之间存在长期稳定的关系;国家对农村基础设施投资的增加能够引起农户农地投入的增加,当国家对农村的基础设施建设逐渐健全,农户会相应地增加农业生产的投入,有利于稳定农业生产和保障粮食安全。     

基于最小二乘支持向量机的参考作物潜在蒸散量估计

建立了以气象因子为输入变量,以Penman-Monteith公式计算所得的参考作物潜在蒸散量（ET0）为输出变量的最小二乘支持向量机（LSSVM）ET0预报模型。与以同样资料为基础的人工神经网络模型（ANN）进行对比研究表明,LSSVM模型比ANN模型精度高,且效率高、泛化能力强,是ET0预报方法的有益补充。