灰色径向基神经网络技术在清河水库中长期水文预报中的应用

清河水库中长期水文预报采用的预报方法 ,因预报准确性较低,用以指导实际调度运用的价值不大,灰色径向基神经网络中长期水文预报模型在清河水库中长期预报中应用,有效地提高了清河水库中长期水文预报的精度。     

基于智能预报模型的年径流量预报研究

基于遗传算法的模糊优选BP网络模型,即智能预报模型,吸取了模糊集、神经网络、遗传算法各自独特的优点.本文应用智能预报模型对新疆雅马渡站年径流量进行预报.结果表明,该模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,并能改善网络的全局寻优能力.     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

用模糊神经网络提高洪峰预报精度的研究

在大量研究的基础上,提出了基于模糊理论的神经网络改进算法,用来提高对洪峰的预报精度。该方法在网络训练时引入模糊理论来确定网络误差修改的程度。引入的算法增大了大值输出样本和期望输出的误差,使得网络向着提高洪峰拟合精度的方向修改权重。应用表明,改进的模糊BP神经网络能够较好的反映洪水演进机理,提高了神经网络洪水预报模型对洪峰的预报精度,保证了洪峰预报的可靠性。     

基于BP神经网络的武汉市分层水温预报模型探究

为探讨武汉市分层水温的变化特征及预报方法,本文以武汉市金银湖为例,利用2019-2020年地面观测和分层水温资料,分析气温、气压、蒸发、地温、日照及辐射等气象要素对垂向水温变化的影响,建立武汉地区基于拟牛顿法反向传播(back propagation,BP)神经网络的20cm、40cm、60cm及80cm等层次水温预报模型。仿真结果表明：拟牛顿法BP神经网络的水温预报模型能够表达水温和气象要素的非线性关系,平均预报准确率超过90%,具有较高的预报精度。     

基于神经网络的模糊系统池塘淡水养殖溶解氧预测模型(英文)

建立基于神经网络的模糊系统预测模型,应用基于神经网络的模糊系统模型对淡水养殖池塘溶解氧进行预测,用实测的106组监测数据对来检验模型的可靠性,其中80组数据作为训练样本,26组数据作为检验样本,将预测值与实测值进行比较。结果表明,该模型预测值与实测数据拟合良好,解决了生产实际中溶解氧状况无法及时预报和动态监测难等问题。     

基于神经网络的模糊系统池塘淡水养殖溶解氧预测模型

建立基于神经网络的模糊系统预测模型,应用基于神经网络的模糊系统模型对淡水养殖池塘溶解氧进行预测,用实测的106组监测数据来检验模型的可靠性,其中80组数据作为训练样本,26组数据作为检验样本,将预测值与实测值进行比较。结果表明,该模型预测值与实测数据拟合良好,解决了生产实际中溶解氧状况无法及时预报和动态监测难等问题。     

基于神经网络的模糊逻辑推理系统模型

采用多层前向神经网络模型及BP学习算法, 建立了基于神经网络的模糊逻辑推理方法和基于神经网络的模糊系统模型, 从而将模糊逻辑和神经网络集成融合为一个有效的功能性系统。     

基于改进型神经网络的植物病虫害预警模型的构建

通过对植物病虫害预警模型相关原理和方法的研究,并结合粒子群算法对后向传播神经网络进行参数优选,构建了基于粒子群和神经网络混合算法的植物病虫害纽合预警模型。测试结果表明预警模型的构建有效且可行,为构建有效的预警平台应用提供了可行的模型结构。     

基于遗传算法神经网络模型的蔬菜价格预报

针对蔬菜市场价格预报的复杂性,利用遗传算法与神经网络的特性,建立了基于遗传算法的神经网络蔬菜价格预报模型,并以香菇为例通过实验对模型参数选择进行了分析,进行了价格的模拟与预报。最后把遗传算法神经网络与BP网络预报结果进行了比较,结果证明,在预报数据绝对误差小于10%的范围内,二者预报能力相当;在预报数据绝对误差小于20%、15%的范围内,遗传算法神经网络模型的准确度高于BP神经网络模型,尤其是预报绝对误差小于20%的范围内,遗传算法神经网络模型的准确度明显好于BP神经网络模型,表现出模型良好的泛化能力。