非参数投影寻踪回归在淤地坝坝地淤积预测中的应用

通过分析黄土高原淤地坝淤积量与相应次侵蚀性降雨指标的关系,提出了基于投影寻踪回归分析的淤地坝泥沙淤积量预测模型,利用实测资料对淤地坝泥沙淤积量进行预测。结果表明,该模型具有较高的拟合度和预测精度。     

坝地淤积物干容重分布规律及其在层泥沙还原中的应用

针对淤地坝减水减沙效益计算中以1.35 g/cm3作为转换值求层泥沙淤积量时存在较大差异的问题,选取典型坝挖取剖面进行剖面分析,并提取每层淤积物的土样进行土样干容重测定,分析了典型坝坝地淤积物的干容重分布情况。结果表明,对同一座典型坝,其坝地淤积物的干容重值并不是沿深度方向保持不变,而是沿纵向有一定的波动趋势,但波动幅度不大;对于淤积程度相似的典型坝,其干容重值接近,干容重变化幅度类似;以实测每层淤积物干容重还原层泥沙淤积量,可以较精确地对应层淤积量与次侵蚀性降雨,以此对淤积过程机理进行分析将更加科学合理。     

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。     

人工降雨模拟河南淮河流域潮土非点源氮输出

为研究淮河流域农田非点源输出、区域农业非点源污染控制与管理,以河南淮河流域典型土壤(潮土)及其是否秸秆还田为对象,人工模拟0.5、1.0、1.5、2.0、2.5、3.0 mm·min^-1降雨强度下的径流、泥沙和氮输出负荷。结果表明:降雨强度越大,相同时间段内的累积径流量、累积泥沙量、氮输出量以及三者的产出速率均越大;径流中氮元素的浓度在降雨初期的20 min内变化较大,具初期冲刷效应,随后波动并趋于相对稳定或略有降低,其平均浓度在未掺混秸秆时以2.0 mm·min^-1降雨强度时最大,其次为3.0mm·min^-1,掺混秸秆后以1.5 mm·min^-1时最大;未掺混秸秆时氮元素泥沙输出量占总输出量的98.25%以上,但掺混秸秆后输出量有所降低(最低值为65.12%)。秸秆还田后,分别可在<1.0 mm·min^-1与<1.5 mm·min^-1的低降雨强度下减少径流与泥沙流失量,高降雨强度下则增加泥沙流失量;径流氮元素浓度比未掺混秸秆的高,增加了氮元素的累积输出量。累积径流量与累积泥沙量间及两者分别与氮元素输出量之间均存在良好的幂函数与对数函数关系,相关系数均在0.900以上。研究表明,降雨强度、秸秆还田均对径流、泥沙、氮输出等产生影响,引起氮输出明显变化的降雨强度在未掺混秸秆时为1.0 mm·min^-1,在掺混秸秆时为1.5mm·min^-1;减少农田非点源氮输出负荷的重要途径包括控制产流初期氮流失与泥沙流失。     

模拟降雨条件下不同管理方式的雷竹林地产流产沙动态变化和对SCS模型的修正

以江苏省南京市竹笋产业化集中的高淳地区作为研究区域,采用模拟降雨的方法,探究该区域在对照、施肥、覆盖条件下的径流和产流产沙规律,并利用实测降雨径流数据对SCS模型进行修正,得到适用于研究区域的降雨—径流预测模型。结果表明:径流强度和径流系数主要受降雨强度和地表覆盖度的影响,相同地表覆盖度,降雨强度越大径流强度和径流系数也越大,降雨强度从0.58 mm/min提高到2.47 mm/min的过程中,对照、施肥、覆盖3个径流小区径流系数变化范围分别为0.037～0.22、0.035～0.23、0.079～0.31。对照、施肥、覆盖3种管理方式下泥沙流失量与降雨强度达显著相关水平,降雨强度是影响泥沙流失量的主要因素。降雨强度0.58～2.47 mm/min时,对照、施肥、覆盖3种管理方式下泥沙流失量的变化范围分别为0.000 49～0.005 8、0.000 53～0.019、0.000 22～0.003 4 t/hm~2。最后利用反演算法得到的N_C值对SCS模型进行修正,修正后的模型相对误差显著降低,其合格率为80%,效率系数E_f为0.93,接近于1,能够用于研究区域的降雨径流量预测。     

模糊方法改进的反向传输神经网络预测南美白对虾养殖的水质

在南美白对虾高密度、规模化围塘养殖生产中,水质参数的监测、评价及预警是至关重要的。以杭州市某南美白对虾基地日常养殖水质为研究对象,选取温度、pH值、溶解氧、氧化还原电位等4项指标作为预测参数,建立拓扑结构为40-14-4的3层前馈反向传输(back propagation,BP)神经网络模型,即以连续10个时间单位的预测变量为输入层,隐含层节点数为14个,输出层变量为温度、pH值、溶解氧和氧化还原电位。为克服传统BP神经网络存在的收敛速度慢、易陷入震荡和泛化能力不强等缺点,采用模糊方法优化了自适应变步长BP神经网络算法,缩短了BP神经网络的训练时间,提高了网络收敛效率与稳定度。结果表明,以模糊方法改进的BP神经网络(FABPM)方法具有收敛速度快、预测精度高、稳定度好等特点,对选取的4项水质指标都给出了较好的训练与预测结果,预测的平均相对误差小于2.5%,从而为水产养殖水质预测与评价提供了一种新方法。     

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。     

克隆选择粒子群优化BP神经网络电力需求预测

在普通BP算法基础上,引入克隆选择粒子群算法,建立电力需求预测模型.将当期国内生产总值、前期国内生产总值、人口、当期产业结构变化、前期产业结构变化等影响电力需求的因素作为网络输入,电力需求作为网络输出,同时选择合适的隐层节点数,确定模型的网络结构.利用克隆选择粒子群算法反复优化BP网络的权值组合,将优化后的权值作为BP神经网络的初始值,进行BP算法,直至网络达到训练指标.利用近几年相关输入输出变量年度数据,对建立的模型进行电力需求实证预测分析,并同普通BP神经网络预测结果进行对比.结果表明:基于克隆选择粒子群优化的BP神经网络不仅训练速度快,而且误差小,预测精度明显提高,说明该模型对于电力需求预测的有效性.     

基于人工神经网络的辽宁省粮食产量模型预测研究

利用辽宁省1983～2008年粮食产量数据,建立了粮食产量预测的3层BP网络模型,网络拓扑结构为6-6-1。用此模型对作物产量进行预测,并与多元线性回归预测结果进行比较。结果表明,人工神经网络预测的最大误差为1.57%,平均误差为0.79%,网络预测精度为0.97,说明人工神经网络模型具有较高的预测精度和较强的泛化能力,为粮食产量预测提供了一条新途径。     

降雨径流对农田面源污染物产出的影响

试验通过模拟降雨的方法,探索降雨与农田土壤泥沙产出量的关系。试验表明,10%坡度条件下的泥沙累积量普遍高于相同降雨指数情况下5%的泥沙累积量,在坡度相同的条件下,泥沙累积量随着降雨量的增加而增加,在坡度为10%降雨量为150mm·h-1条件下,泥沙累积量最大,30min时,泥沙累积量可达到350kg。试验还对数据进行了回归分析,得到了相关的拟合函数。     

基于BP神经网络与SVM模型的黄尾河径流预测比较分析

比较分析BP神经网络与SVM模型在径流预测应用中的性能特征。以降雨量为预报因子，采用BP人工神经网络模型和SVM模型对大别山黄尾河流域40 a时长的同期径流过程进行数值模拟，并对二者的预测性能进行比较与评价。结果表明，黄尾河流域BP模型模拟的总体相对误差为14.43%，合格率为77.5%，确定性系数为0.76，预报精度等级为乙级；SVM模拟的总体相对误差为12.41%，合格率、确定性系数及预报精度等级与BP模型相同。SVM模型模拟结果较BP模型而言更集中于较小的误差范围内。BP模型的累积误差>SVM模型，并且随着误差自由度的增大，这种差距有扩大的趋势，表明SVM模型的误差范围较小，误差间隔小于BP模型，模拟性能较BP模型更稳定。     

基于BP神经网络的柑橘农药残留预测

基于BP神经网络算法，采用主成分分析法得到农药相对分子质量、气温、降水量、pH、CEC、有机质、施药浓度、采收间隔期是影响农药残留量的主要因素，并将其作为输入变量，初步构建柑橘农药残留预测模型。结果表明：经160组样本数据模型训练和测试，预测相对误差为0.92%~18.93%，平均为7.42%，绝对误差为0.001~0.153 mg/kg；BP神经网络预测模型的决定系数为0.962 05。可见，面对复杂的自然环境及柑橘种质性状，基于BP神经网络的柑橘农药残留预测系统对柑橘上多种农药的残留显示出较高的预测精度，说明将机器学习算法用于柑橘的农药残留检测是可行的。     

基于BP神经网络的产β-葡萄糖苷酶的真菌生长模型研究

［目的］利用BP神经网络建立产β葡萄糖苷酶真菌的生长模型。［方法］用底物变色法筛选出产β葡萄糖苷酶的真菌,然后利用BP神经网络研究了其中1株真菌的生长状态。［结果］2、11、24和52h后,训练真菌的干重试验值和拟合值的相对偏差分别为4.12100%、1.27700%、0和0.36900%,β葡萄糖苷酶酶活的相对偏差分别为69.97000%、0.02390%、0.03413%和4.18100%。在验证试验中,6、12、16和38h后,供试菌株的干重试验值和拟合值的相对偏差分别为2.58200%、3.22000%、2.66900%和0.73130%,β葡萄糖苷酶酶活的相对偏差分别为3.63800%、4.83000%、3.89000%和1.22500%。BP网络经过训练后,其误差平方和为0.411×10-3,试验值与拟和值相比,误差小于8.5%,误差平方和为1.82。［结论］该文所提出的建模方法是行之有效的,模型构建简单、预测准确。     

BP神经网络模型在烟草烘烤过程中叶温变化预测中的应用

【目的】建立合适的BP神经网络模型,了解散叶烘烤过程中一系列烘烤因素对叶温变化的影响,为烤烟烘烤调制过程中叶温变化研究提供参考。【方法】运用叶温测定仪和温湿度自控仪记录烘烤过程中干球温度、湿球温度、相对湿度及干球温度与叶温的差值,并将此4项指标作为输入变量,叶温作为输出变量,建立一个拓扑结构为4—4-1的BP神经网络模型。【结果】所建立的BP神经网络模型模拟结果很快收敛,预测结果的绝对误差与相对误差小,预测所用的20组数据中相对误差〉1％的有8组数据,相对误差〉2％的有2组数据,相对误差〈1％的有12组数据。【结论】所建立的BP神经网络模型在对烟叶烘烤过程中叶温变化的预测效果较好。     

基于MATLAB神经网络的温室草皮腾发量预测研究

[目的]明确基于MATLAB的BP神经网络预测温室草皮腾发量的可行性。[方法]在9月温室实测气象资料的基础上,对温室内的平均气温、相对湿度、光照强度和草皮日腾发量(ET)进行回归分析,建立了BP网络ET预报模型(BP-ET)。[结果]气温、光照强度与草皮腾发量呈显著正相关(P<0.05),相对湿度与草皮腾发量呈显著负相关(P<0.05)。BP神经网络模型具有极高的拟合精度,9月资料检验预报模型的平均相对误差为5.58%,模拟与检验均有很高的拟合精度。BP网络可以用于草皮日腾发量的预测,是对传统草皮日腾发量计算的补充。[结论]该研究为气象数据缺测条件下温室草皮日腾发量的估算提供了新思路。     

宁南山区不同降雨强度下坡地的产流产沙特征分析

采用人工模拟降雨方法,分设3种不同的降雨强度,研究了宁南山区人工草地和坡耕地的产流产沙特征。结果表明：人工草地与坡耕地的径流量最高分别为14.55、14.21 mm;侵蚀模数坡耕地最高为15.5 t/km^2,人工草地最高为10 t/km^2。人工草地和坡耕地的径流量、侵蚀模数均随降雨强度的增加而增加,并与降雨强度呈指数函数或幂函数。     

一种基于BPNN的智能巡检异常预测模型的研究

在传统网络巡检方法中,网络异常发现主要基于单一参数进行阈值触发,误报率较高,效率低.为了高效准确地发现网络异常,提出了一种基于BPNN的网络异常预测模型.首先对采集系统采集的数据进行特征提取和初始化处理;然后,将初始化后的数据作为神经网络样本进行训练,根据误差阈值调整网络参数,确定网络结构;最后,在Matlab环境下进行仿真实验,将提出的BP神经网络模型用于网络异常预测,结果表明本文提出的方法对网络异常预测有较高的预测率.     

基于遗传算法的BP网络在小流域侵蚀量预测中的应用

人工神经网络可用于流域水土流失的预测.针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,设计了基于遗传算法(GA)的优化BP神经网络.利用遗传算法特有优势,为BP网络的初始权值和阈值搜索全局最优解空间,经过BP算法迭代训练,进行预测.依据黄土高原沟壑区杨家沟小流域多年径流与泥沙的实测数据,对创建的侵蚀量模型进行训练和预测,取得了较高的预测精度和较快的收敛速度.