基于可见-近红外光谱和神经网络的土壤类型鉴别

提出一种利用近红外光谱快速、无损鉴别土壤种类的方法。首先利用近红外光谱仪测定不同种类土壤的光谱特征曲线,利用主成分分析法提取主成分,再结合人工神经网络建立模型进行类型鉴别。主成分分析表明,主成分1、2、3的累积方差贡献率达到99.839%,可以很好地代表原始数据特征。以主成分分析得到的前3个主成分作为神经网络输入,以土壤类型为输出,通过对30个样本的训练学习,分别建立了反向传播人工神经网络(BP)和径向基函数人工神经网络(RBF)。对10个样本进行预测,结果表明2种模型预测的准确性均达到100%。RBF神经网络运行时间明显小于BP网络,具有一定优势。     

基于人工神经网络深松机关键部件的参数优化

利用BP神经网络训练数据,以深松机关键部件的三个结构参数-翼张角、刃角和翼倾角为输入参量,输出目标参量为牵引阻力,建立深松机牵引阻力的人工神经网络模型.结果表明:训练良好的BP网络输出数据与实测数据吻合较好,网络模型具有较高的精度,并具有收敛速度快等特点.同时,确定了一组最优结构参数,为深松铲的设计提供理论依据.     

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Vis-NIR光谱的土壤质地BP神经网络预测

为快速、准确地获取土壤质地信息,提出了应用Vis-NIR光谱结合BP神经网络的建模方法。以河南封丘县的86个土壤样本为研究对象,以原始光谱和微分光谱主成分为输入变量,建立土壤粘粒和砂粒的BP神经网络预测模型,并将其预测结果与多元线性逐步回归模型进行比较。结果表明:基于原始光谱主成分的BP人工神经网络预测结果最好,优于多元逐步回归模型,预测粘粒和砂粒的RMSE分别为1.62和6.52。BP神经网络所建模型训练时间短、准确度也较高,能实现对土壤质地的高效预测。     

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BP神经网络的农业高科技投资项目风险评价模型

在建立农业高科技投资项目风险评价指标体系的基础上,引入人工神经网络建模方法,建立基于BP神经网络的农业高科技投资项目风险评价模型,并运用实例对其进行了训练和预测,取得了较好的结果,说明该模型能较为准确地按照专家的评价方法进行工作,为农业高科技投资项目提供了现实可用的风险预测及风险控制工具,同时进一步显示出神经网络模型在现代农业经济非线性领域应用的广阔前景。     

基于BP神经网络的耕地土壤重金属污染评价——以宜宾市翠屏区土壤重金属污染评价为例

本研究将土壤重金属污染评价神经网络预测模型分为3层,7-6-1为该模型的神经网络结构,输入层共包括7个神经元,分别是土壤耕地有重要影响的Pb、As、Cr、Hg和Cd共5个重金属元素,以及2个限制条件:土壤类型(水田或旱地)和土壤pH值;以已知的成都市不同生态区土壤重金属指标作为本模型的训练和检验样本,本研究采用的软件为Matlab,利用这个软件训练和检验BP神经网络,然后对宜宾市翠屏区土壤中的重金属进行综合等级评价。评价结果显示BP神经网络对检验样本的模拟输出跟期望输出是相同的;同时,对研究区土壤重金属综合等级评价结果跟模糊模式识别、传统内梅罗指数评价法得出的结果也是基本一致的。     

基于MATLAB6.x的BP人工神经网络的土壤环境质量评价方法研究

对基于MATLAB 6．x的BP人工神经网络工具箱进行了简要的介绍，并将BP人工神经网络应用到土壤环境质量现状评价中。编制了基于MATLAB 6．x土壤环境质量评价程序，并对影响评价结果的训练集的构建、隐层神经元数量的选择、训练过程的建立等问题进行了探讨。结果表明，用随机函数rand或线性函数linspace内插生成网络的训练集是可行的，BP网络隐层的传递函数为tansig。神经元数量为5（用rand函数生成训练集）或8（用linspace函数生成训练集），输出层的传递函数为purelin，神经元数量为1。训练集中加入一定的噪声更有利于提高网络的识别能力。在此基础上，将构建的网络应用到实际土壤环境质量评价中，并将评价的结果与其他评价方法得出的结果进行了比较，表明BP人工神经网络应用到土壤环境质量评价中是切实可行的。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

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．     

BP神经网络的土壤肥力评价研究

为给用户提供准确、科学的施肥指导。在建立BP神经网络评价模型的基础上,构建了以黑龙江850农场为研究区域的土壤肥力评价的空间信息平台,实现地块肥力等级在线评价及等级空间分布。因BP神经网络方法不需要人为干预,更具有客观评判性,与相关方法进行比较,该评价方法能更有效地对该农场的土壤肥力进行正确的评价。     

间隔覆盖条件下坡面产流产沙状况的BP神经网络模拟

本文以塿土和黄绵土作为实验材料,尝试使用BP神经网络方法(Back-Propagation neural network)模拟人工降雨条件下,间隔覆盖坡面的产流产沙状况。通过设置不同坡度、降雨强度、面积比,获得各种因素不同水平组合下的实测数据;以实际降雨强度、坡度、面积比、径流起始时间和初始含水率5个因子为输入变量、坡面产流量和产沙量为输出变量,利用BP神经网络模型与多元线性回归模型对数据进行模拟分析,并检验其模拟效果。研究结果表明:训练样本集平均相对误差为18.23%,预测样本集平均相对误差为5.21%;与多元线性回归模型相比,BP神经网络模型拟合精度较高,拟合效果更理想,表现出更强的预测能力。另外,比较不同土质坡面产流量与产沙量模拟效果,塿土优于黄绵土。从本研究的结果看,BP神经网络模型应用于坡面产流产沙模拟预测,省时省力,方便快捷,具有一定的应用潜力,但其实际的模拟预测能力尚需进一步探索。     

用人工神经网络模拟土体塌陷的可行性分析

探讨了利用人工神经网络预测土体塌陷与土体参数和荷载条件之间关系的可行性。BP神经网络是最常用的神经网络之一,通过网络训练,最终确定了6个变量即输入信息、8个隐层和1个输出层的网络结构。在比较了预测值与试验值后,进一步证实了人工神经网络在评估土体塌陷方面效果明显。     

基于神经网络的高校管理信息化水平评价模型研究

本研究采用频度分析法和领域专家意见相结合,借鉴企业信息化指标的研究结果构建了吉林省高校信息化指标体系;采用了T-S模糊神经网络方法,利用Matlab软件分析,建立高校管理信息化水平评价模型。专家打分200组问卷调查,其中160组结果作为训练样本,40组数据作为测试样本。根据训练好的模型对样本进行测试,训练数据平均误差0.0027,测试数据平均误差0.102。本文研究的T-S模糊神经网络模型应用于预测高校管理信息化评价中可以消除一定的主观因素,得到相对客观的评价结果。     

基于高光谱数据的土壤含盐量BP神经网络模型研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,进行了对土壤含盐量的定量研究,将BP神经网络模型(Back Propagation Network)应用到高光谱数据对研究地区土壤含盐量的反演中。通过对隐含层的传递函数、输出层的传递函数、训练算法的优化组合以及最适合隐层节点数量,得到最优的BP神经网络模型,实现了土壤含盐量的反演。对高光谱数据反演土壤含盐量采用BP神经网络具有一定的指导意义。     

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。     

基于经验指数和法的贵州施秉太子参产地土壤适宜性评价

土壤适宜性评价是针对具体作物在特定地域种植的土壤适宜度所做出的定性、定量和定位的结论性评价,具有实践性、经验性、客观性及应用性的特点。本论文在采集、分析施秉县种植区70个土壤样品理化性质的基础上,基于GIS技术,采用检验指数和方法对复杂地理环境条件下的土壤适宜性评价进行研究,得出土壤适宜性评价结果以及适宜性评价图。