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。     

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理,再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力,可以满足预测的要求,因此,采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。     

基于灰色神经网络和证据理论预测地下水位的研究

用灰色GM(1,1)模型、BP神经网络模型和证据理论相结合而成的灰色证据神经网络模型,对山东枣庄区域地下水位进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出;再用BP神经网络输出作为证据理论基本可信度分配函数,使用D-S理论将信息进行二次融合;并用地下水位实测数据对模型进行验证。结果表明,预测模型具有可行性和实用性,为生态农业规划发展提供了科学依据。     

GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例

针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.     

模糊优选神经网络BP模型在植被生物量参数反演中的应用

根据模糊优选神经网络BP模型，利用1988年小麦生长期中生物量参数和微波（10.2GHz）主被动遥感实测数据，作为输入输出I／O矢量对，计算出网络模型的正向传输权重矩阵及反向传输权重矩阵。用1989年小麦生长期中微波实测数据和该神经网络模型得到的权重矩阵，来反演其生物量参数在整个1989年生长期中的变化，反演结果与遥感实测结果的比较说明了所提方法的准确性。     

基于Clementine的计算机状态监测研究

数据挖掘技术中的神经网络和C5.0可以用于构建监督和预测的模型。将神经网络和C5.0模型运用于监测计算机的状态信息及识别和预测相关的故障状态。基于Clementine环境,通过采集状态已知情形下的计算机状态数据,作为训练样本来建立神经网络模型和C5.0规则模型,利用另外的实测数据进行检验。结果表明,神经网络的预测正确率是99.64%,而C5.0模型的预测正确率为99.68%,两者预测结果的一致性为99.81%。此外,C5.0模型预测结果的准确性要比神经网络预测结果的准确性高。     

一种基于数据驱动的系统建模方法

提出了一种基于数据驱动的系统建模方法,采用减法聚类和模糊C-均值聚类相结合的模糊聚类算法进行前件RBF网络辨识,自适应地获得精确的聚类个数和隶属度参数;用BP算法训练后件网络的权值,从而仅利用输入输出数据,就建立了T-S模糊神经网络模型,在该过程中充分利用了BP神经网络和RBF神经网络的优点。最后用该模型对一个非线性系统进行辨识,用MATLAB进行仿真,结果表明,该方法具有可行性。     

基于DBN-LSSVR的南美白对虾养殖溶解氧预测

为了提高南美白对虾(Litopenaeus vannamei)养殖溶解氧预测的精度,提出了深度信念网络融合最小二乘支持向量回归机(Deep belief nets-least squares support vector regression,DBN-LSSVR)的南美白对虾养殖溶解氧预测模型.首先,采用深度信念网络(Deep belief nets,DBN)方法,多尺度提取养殖水质时序数据的特征向量;然后,使用提取的养殖水质特征向量训练和优化DBN-LSSVR,构建了基于DBN-LSSVR的对虾养殖水质溶解氧预测模型;最后,以广州市番禺区南美白对虾养殖水质溶解氧实测数据为基础,对预测模型进行了实验验证,并与浅层BP神经网络、标准最小二乘支持向量回归机进行了对比分析.所构建的模型具有较高的预测精度和泛化性能,是一种有效的南美白对虾养殖溶解氧预测方法.     

基于SVM的农业机械化水平预测模型

运用支持向量机方法对我国农业机械化水平进行预测。选取1986—2002年的17个数据作为训练样本,2003—2005年的3个数据作为检验样本,通过与GM(1,1)模型和BP神经网络模型预测结果进行比较,结果表明,2003—20053年预测值的平均相对误差仅为0.67%,该方法用于农业机械化水平预测是可行和有效的,为提高预测精度提供了一条新的途径。     

人工神经网络在API预报中的应用

为更好的反映环境污染变化趋势,为环境管理决策提供及时、准确、全面的环境质量信息,开展城市污染预报研究是十分必要的。将BP神经网络模型引入到大气污染预测预报领域,利用石家庄市2005-2009年春季、夏季、秋季、冬季的4组数据分别建立了4个季节的日空气污染指数的预测模型,并用2009-2010年春季、夏季、秋季、冬季的数据作为独立样本进行预测检验,实验结果表明：通过设置初始权重、学习率、动态系数等参数使基于BP神经网络的大气污染预测模型的精度得到提高,预测值与实际值之间的平均相对误差小,预测值与实际值的相关系数高,得到了较好的预报效果,说明该模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法。     

基于神经网络和遗传算法的池塘溶解氧预测模型

水产养殖池塘是一个多变量、非线性和大时延系统,其中溶解氧的预测也是一个复杂的问题。针对大连某水产养殖池塘,作者建立了一个基于Levenberg—Marquardt（LM）神经网络和遗传算法（GA）的溶解氧预测模型GA—LM,并将该模型与传统的BP神经网络进行比较分析。结果表明：使用本研究中建立的GA-LM模型预测的溶解氧值和实际测定值吻合较好,预测更为精准,运行时间明显减少。     

基于时间序列数据的粮食播种面积单产预测模型研究

采用了一种基于时间序列数据的灰色—线性回归模型对广西某市的粮食作物播种面积的单产进行了预测,并将预测结果及预测误差与线性回归模型及灰色GM（1,1）模型的预测结果进行了比较。结果表明,灰色—线性回归组合模型进行粮食作物耕地需求量预测精度较高,具有科学可行性。     

基于灰色动态GM模型与计算机模拟的丽江旅游前景预测

[目的]以丽江旅游业为例,建立旅游前景预测体系,解决旅游区相关工作难点。[方法]首先构造丽江市旅游市场的动态预测反应模型,通过灰色关联模型GM（1,1）和时间序列法,利用计算机模拟程序进行实际的模型操作,预测丽江市旅游前景并对预测结果进行评价。[结果]2009～2011年丽江市旅游业总收入模型灰参数a为0.5723,内控参数u为0.3937,x（t＋1）=-0.5633exp（-0.5723t）＋0.6880;2009～2011年丽江市旅游业接待总人数模型灰参数a为-0.1256,内控参数u为344.3260,x（t＋1）=3102.4835exp（0.1256t）-2741.2835。2个模型的检验结果表明拟合程度很好,同时,预测出丽江市旅游业2011年将达到或超过130亿元的总收入,旅游接待总人数将突破880万人次。[结论]该预测体系对其他各旅游区在获取信息不完整的情况下,可进行较为精准的预测。     

基于神经网络的公路运输量预测模型及应用

以福建省公路旅客周转量和货物周转量的统计资料为基础,结合神经网络技术原理,应用BP神经网络方法建立3维输入、单输出、隐层单元数为15的3层神经网络模型,分别对福建省公路旅客周转量和货物周转量进行预测.结果表明,各月的旅客周转量和货物量预测值的最大相对误差的绝对值分别为0.4890%和0.4495%.该模型具有简便实用、预测精度高的优点.     

基于物联网和LSTM的柑橘园土壤含水量和电导率预测模型

目的 构建柑橘果园环境信息物联网实时采集系统，建立基于物联网和长短期记忆(LSTM)的柑橘园土壤含量和电导率预测模型，为果园灌溉施肥管理、效果预测评估提供参考依据。方法 利用土壤温度、含水量、电导率三合一传感器，在柑橘果园中设置5个节点和1个气象站，通过ZigBee短距离无线通信和GPRS远距离无线传输，将果园气象数据和土壤墒情数据传输至远程服务器。利用LSTM模型建立气象数据与土壤含水量和电导率的预测模型，计算均方根误差(RMSE)和决定系数(R²)以进行性能评估。结果 物联网系统能够实现远程传输柑橘果园环境数据，建立了基于LSTM和广义回归神经网络(GRNN)的土壤含水量和电导率预测模型，模型在5个节点的数据集的训练结果分别为：LSTM模型训练的土壤含水量和电导率的RMSE范围分别为6.74~8.65和6.68~8.50，GRNN模型训练的土壤含水量和电导率的RMSE范围分别为7.01~14.70和7.60~13.70。利用生成的LSTM模型和气象数据进行拟合，将土壤含水量和电导率的预测值与实测值进行回归分析，LSTM模型拟合的土壤含水量和电导率的R²范围分别为0.760~0.906和0.648~0.850，GRNN模型拟合的土壤含水量和电导率的R²范围分别为0.126~0.369和0.132~0.268，说明LSTM模型的性能表现较好。结论 建立了柑橘果园环境的物联网信息传输系统，构建的基于LSTM的果园土壤含水量和电导率预测模型具有较高的精度，可用于指导柑橘果园的灌溉施肥管理。     

舟山虾蟹类产品价格指数的预测

水产品的价格指数是渔业经济发展的重要指标。在如今经济高速发展的时代,水产品价格指数的预测对渔业经济运行有着至关重要的作用。通过多种时间序列预测法(移动平均法、加权移动平均法、二次移动平均法以及指数平滑法),分别对虾蟹类水产品进行价格指数的预测,并通过预测精度对各个方法的不同结果进行精确度的比较,最后确定最精确的方法,并用其对舟山虾蟹类价格指数作最后的预测。     

建构主义理论与中介语的形成

建构主义理论强调学习个体在获取知识方面的主动建构作用,而学习环境下的四大要素,更是突出了建构主义在第二语言习得方面的积极作用,因为第二语言习得是学习者形成自己中介语的创造性过程,行之有效的建构主义理论为中介语的顺利过渡开辟了捷径。     

基于遥感图像的林火蔓延模型的研建

为了更好地研究林火的发生、发展规律,人们通过实验、观测等手段获取数据建立林火蔓延和预测模型.该文基于对林火的研究,从MODIS数据出发,利用遥感图像的数据融合技术进行图像的增强,从融合后的图像获取建模数据序列,采用灰色理论来建立林火蔓延和预测模型.该模型具有建模简单,模型的通用性强,建模数据获取容易并有利于推广.从建立的灰色模型看,预测相对误差小于1%的占50%,预测相对误差小于5%的占25%,预测相对误差在5%~10%的占25%.     

管输过程中加剂原油粘度变化的预测方法

以剪切作用对加剂原油粘度影响的数学模型和含蜡原油粘温关系机理模型为研究核心,建立了管输过程中加剂原油粘度变化的预测方法,大大减少了试验模拟的工作量和时间.通过对加剂大庆原油、加剂青海一厂原油、加剂青海混合原油和加剂中原原油44组管输模拟试验数据的检验,得出预测结果与模拟试验结果的平均相对偏差为11.5%.粘度预测值、测量值与按照降凝剂效果评价规范的"快速降温"方法评价结果对比表明,以管输应用为目的的降凝剂效果评价必须考虑剪切效应,该研究成果为快速预测管输条件下降凝剂的改性效果提供了一种有效手段.