基于贝叶斯正则化BP神经网络的日光温室温度预测模型

针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

RBF神经网络在北方日光温室湿度模拟预测中的应用

为探讨北方日光温室空气相对湿度因子的变化规律、预测其变化趋势,进而采取合理的调控措施,从分析比较BP和RBF神经网络的特点出发,选择RBF神经网络作为预测网络,并采用高斯径向基函数作为网络激活函数,提出了一种适用于北方日光温室空气相对湿度环境因子的模拟预测模型。选取沈阳农业大学北山试验基地内日光温室进行多种环境参数采集,采用主成分分析法确定模拟预测模型的输入因子,并分别选取600组和80组实测数据对网络模型进行建立和验证。结果表明:该模型学习过程相对较快,且预测值与实测值的相对误差小于7.35%,模拟值与实际值相对误差0.19%,模型可用于模拟和预测北方日光温室大棚内空气相对湿度的变化趋势,预测结果良好。     

温室湿度环境的主成分分析人工神经网络建模研究

实测温室内影响空气湿度的环境因子组成数据样本,对数据样本进行主成分分析,提取出影响温室湿度的4个主要成分．讨论提取的主成分与原始过程数据样本间的关系。以采用主成分分析后的数据样本作为神经网络模型的输入变量,模型模拟值和实测值之间的相关系数R^2为0．8842。以±0．1作为模拟相对误差,命中率达到85％。用训练后的网络模型对20组未参加建模的样本数据进行模拟,均方根误差为1．6745,优于回归方程法的4．4349。基于神经网络模型,运用敏感性分析法对影响湿度的各医素进行重要性分析和排序,得出各影响因素的重要程度依次为室内温度、室外湿度、室外温度、保温帘展开度、室外风速、室外太阳辐射照度、天窗开窗角度和侧窗开窗角度．     

基于因子分析的BP神经网络在需水预测中的应用

需水预测涉及农业、工业、生活和环境等多种因素,是典型的多指标评价问题,需对多因素进行综合评估.以广东省珠海市为例,利用1986～2000年的需水量数据,采用因子分析法对影响需水量的8个变量进行因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的需水量预测.结果表明:前4个公因子,即综合实力因子、畜牧影响因子、环境影响因子和补充分析因子,累计贡献率达99%以上,为影响研究区需水量的主要因子,以此作为输入样本建立的BP神经网络需水预测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,精度较高.因子分析与BP神经网络结合是多因素需水预测的一个有益尝试.     

基于PCA的BP神经网络在城市供水预测中的应用

可靠的城市供水量预测,是区域水资源科学管理与优化配置的重要基础.为客观预测城市供水量变化趋势,本文采用主成分分析法(PCA)进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平年的供水预测.以抚顺市供水量为工程背景构筑预测模型,模拟检验精度较高,可用于抚顺市的供水预测,并为抚顺市水资源的优化配置提供了科学依据.     

基于SSA-RBF网络的日光温室温湿度预测模型研究

温室预测模型是农业信息化领域的研究热点之一,而日光温室以其不加温、经济适用等特点,近年来受到越来越多的关注。现有温室温湿度预测模型是通过微分方程或传统神经网络算法进行处理并进行预测的,但是这些系统仍面临控制或者精度上的挑战。采用1种基于麻雀搜索算法SSA(Sparrow Search Algorithm)和径向基网络RBF(Radial Basis Function)的预测方法,以日光温室室外温度、室外湿度、光照强度、土壤湿度、保温被状态、塑料膜状态、窗户状态、滴灌设备状态为输入,日光温室室内温度和湿度为输出,建立了基于SSA-RBF的日光温室温湿度预测模型。以河北省沧州市青县某日光温室测量取得的数据为参考,经验证,模型温湿度预测值与实测值曲线都吻合良好,其中温度相关系数达到0.929 3,湿度相关系数达到0.9282 9。本研究的预测精度较高,实用性强,可用于日光温室温湿度预测,同时也对指导日光温室温湿度控制有一定的参考价值。     

基于主成分分析和粒子群优化神经网络的粮食产量预测

粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

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。     

Modeling greenhouse air humidity by means of artificial neural network and principal component analysis

A back propagation neural network (BPNN) based on principal component analysis (PCA) was proposed for modeling the internal greenhouse humidity in winter of North China. The environment factors influencing the inside humidity include outside air temperature and humidity, wind speed, solar radiation, inside air temperature, open angle of top vent and side vent, and open ration of sunshade curtain, which were all collected as data samples. Through PCA of these data samples, 4 main factors were extracted, and the relationship between the main factors and the original data was discussed. Taking the principal component values as the input of BPNN, the model showed a good performance. A comparison was made between the performances of the BPNN based on PCA and the stepwise regression method with 20 data samples which had not been used to establish the NN model, and the prediction of stepwise regression method was less accurate than the BPNN based on PCA.     

日光温室番茄膜下滴灌节水试验研究

对日光温室膜下滴灌和沟灌方式下种植番茄的耗水量、产量和收入等进行了研究.结果表明,番茄盛果期日光温室膜下滴灌比沟灌室内空气相对湿度降低了18%;在全生育期膜下滴灌比沟灌耗水量减少了13.6%,可节约灌溉水25%;且滴灌条件下番茄可提早上市8 d,比沟灌增产30.7%,增加产值4.5万元/hm2,年产投比增高0.31.     

盘锦冬季日光温室小气候特征研究

为了进一步提高设施农业气象服务水平,对盘锦地区冬季日光温室小气候变化规律进行了分析。结果表明：不同天气条件下日光温室各月气温日变化趋势相似,均呈“单峰”曲线型。晴天和多云天气日光温室内相对湿度昼高夜低;阴天和雨雪天日光温室内相对湿度变化比较平稳。不同天气条件下冬季日光温室室内总辐射最大值出现月份不同,有无草帘对温室内总辐射值影响较大。     

秋季日光温室内小气候特征研究

[目的]为日光温室的科学管理提供理论依据。[方法]测定日光温室的光照、温度和湿度并作相关分析。[结果]温室内空气湿度、地面温度最大值都出现在14:00左右,最小值出现在6:00前后。秋季温室内外地面温度存在6.8℃温差。光照南侧比北侧高960 lx;中间比东、西侧的高2230 lx、1560 lx;上层比中层、下层分别高73、720 lx。夜间空气湿度在90%以上,午后在80%以上。[结论]温室内空气湿度、地面平均温度日变化曲线为单峰型曲线;地面温度水平分布呈现出中间高四周低规律;温室内光照度日变化曲线类型是倒"V"型,而空间分布为南强北弱,上强下弱的规律。温室内空气湿度比较高,尤其是在夜间空气湿度更高。     

日光温室温、湿度模糊控制系统研究

通过模糊控制系统的模型建立和模糊控制器的设计,对日光温室的温度湿度进行控制,使温室达到作物生长的最佳环境。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

黑龙江省温室小气候变化特征及预报模型的初步研究

为了解黑龙江省日光温室内各气象要素变化,分析了黑龙江省双城市公正乡日光温室2012年9月~2013年8月的室内外气温、地温及土壤湿度,并建立室内外气温关系模型。结果表明:秋季、冬季和春季室内外温差较大,室内气温明显高于室外,而夏季较小,室内气温偏高不明显。在寒冷季节不供暖情况下,室内气温基本在10℃以下,难以满足蔬菜生长发育的需要,各层次地温和土壤湿度变化基本规率基本一致。以棚外温度为自变量,以棚内温度为因变量,建立相关模型,大部时段绝对误差为0~2.8℃。     

基于PCA-BPNN的温室番茄果实直径预测模型

[目的]研究温室番茄果实直径变化量的动态预测模型,为番茄所需水肥规律提供数据支持.[方法]选择番茄果实横径为研究对象,以5株番茄果实膨大期的数据建立模型,采用主成分分析法对植物生理生态信息和环境信息进行分析,提取主要成分,以主成分为自变量,输出变量为因变量,建立一个包含空气温度、空气湿度、土壤含水率、叶片温度及果实横径...