BP神经网络在许昌市烟叶花叶病发病趋势预测中的应用

河南省许昌市烟叶花叶病发病的趋势预报模型是基于BP神经网络方法构建的,为预测烟叶花叶病提供科学依据。通过统计,河南省许昌市烟叶花叶病发生发展的气象生理指标及历年该病发生的资料,烟叶花叶病发病的气象预报模型应用了BP人工神经网络的函数映射能力并采用检验函数。BP神经网络烟叶花叶病发病趋势预测模型的拟合精度和预报精度都较高,经过对比优于多元线性回归模型,能很好地实现预期效果,对许昌市烟叶花叶病发病的预测预防工作具有一定的现实指导意义。     

RBF神经网络的土壤养分肥力评价研究

土壤养分肥力等级是土壤特征的综合反映。以黑龙江850农场为研究区域,应用RBF神经网络方法构建该区的土壤养分肥力评价模型。以土壤养分指标作为神经网络的输入,土壤养分等级作为输出。通过实验模拟训练和预测,RBF神经网络取得的结果较好,与相关的BP神经网络模型进行实验比较,实验结果表明RBF神经网络得到的等级结果精度更高,该模型的建立与预测为土壤养分肥力等级评价提供了新途径。     

基于化学成分的烟叶质量神经网络预测

为给烟叶质量评价提供实用方法和理论依据,本研究基于模糊数学理论和神经网络机器学习理论,从大理红花大金元的主要化学成分和感官评吸结果确定烟叶品质的内在关系入手,通过BP算法建立了基于化学成分的神经网络模型.结果表明,模糊隶属函数结合BP神经网络的方法可以有效、可靠地运用于基于化学成分的烟叶质量感官评价辅助决策中,并可方便地应用于其它方面;还提供了BP神经网络的MATLAB实现程序.     

不同覆盖类型土壤电阻率影响因子及其PLS和BP模型的预测研究

土壤电导率是反映土壤质量和物理性质的重要参数。本研究通过对试验区不同覆盖类型下土壤温度、含水量及电导率的测试,探讨土壤温度和含水量对土壤电阻率的影响。结果表明,不同土壤覆盖类型土壤温度的变化对土壤电阻率的影响不同,土壤电阻率随着土壤含水量的增加而逐渐变小。将偏最小二乘回归模型(PLS)与BP神经网络模型应用于土壤电阻率的预测,PLS模型及BP神经网络模型对土壤电阻率预测皆有较好效果,偏最小二乘回归模型对沙地和草地土壤电阻率预测的误差较小,BP神经网络对农田土壤电阻率建模精度较为理想。     

奉节烟区植烟土壤养分状况及其与烟叶内在质量的相关性

为促进奉节烟区土壤合理施肥和改善烟叶品质,采用土壤和烟叶样品对应取样方法,研究奉节烟区土壤养分状况及其与烟叶化学成分的关系。结果表明:奉节烟区土壤pH总体适宜,有机质、碱解氮和速效磷含量较高,速效钾含量较低,中微量营养元素含量丰富;烟叶烟碱含量略低,蛋白质含量和总糖含量较高,两糖比较低;土壤碱解氮、有机质、锰、锌等指标与烟叶化学成分存在相关性,尤其碱解氮与烟叶蛋白质含量相关性较强。在当前的土壤条件下,建议烟区施肥实行控氮、稳磷、提钾的养分供给方案。     

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。     

基于改进SSA-BP神经网络的复烤水分和温度预测

为解决烟叶复烤中加工一致性问题,为复烤工艺参数设置提供依据,本文针对工艺参数建立了BP神经网络模型对烟叶的水分以及温度进行预测.提出了采用Tent混沌映射改进的麻雀搜索算法(SSA)优化神经网络,提升模型的各方面性能.最后以麒麟复烤厂某个批次烟叶复烤加工的数据进行实验验证,并与未优化的BP模型、未改进的SSA-BP模型...     

BP神经网络在渭干河流域土壤盐渍化预测中的应用

[目的]比较神经网络算法和传统统计建模方法对土壤盐渍化预测模型的效果.[方法]对渭干河流域多年土壤盐渍化和其影响因子进行分析的基础上,采用BP网络的3种算法,建立基于BP神经网络土壤盐渍化预测模型.将预测结果与多元线性回归模型预测结果进行对比分析,讨论线性和非线性方法用于土壤盐渍化预测模型.[结果]与传统的统计建模方法相比BP神经网络结构简单、快捷,预测精度高,很好地再现了土壤盐渍化与其影响因素之间复杂的非线性函数关系;三种BP算法中,基于trainlm算法建立的壤盐渍化预测模型具有较好的推广能力.[结论]BP神经网络的土壤盐渍化预测性能良好,用来可以预测土壤盐渍化情况.     

土壤墒情预测模型对比

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。     

土壤养分的近红外漫反射光谱预测模型分析

针对土壤养分近红外漫反射光谱数据分析的预测问题,分别利用主成分回归和偏最小二乘回归的方法建立土壤样品的近红外漫反射光谱全氮含量的数学模型,比较模型的预测精度。研究结果表明,采用主成分回归法建模预测结果的均方根误差RMSEP为0.040;偏最小二乘回归法建模的RMSEP为0.034,通过模型验证得到的全氮含量预测值与实际值相关性分析得到主成分回归法决定系数R~2=0.873 1,偏最小二乘回归法R~2=0.903 5,表明偏最小二乘回归法所建模型预测精度优于主成分回归法。该研究为提高近红外光谱法土壤养分检测精度提供了依据。