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。     

沙丘前沿区降雨径流预报方法研究

沙丘前沿区因其特定的下垫面和水文气象条件,降雨径流关系复杂.针对沙丘前沿区水文特性,探索适合区域特点降雨径流预报方法.分别采用新安江模型和模型树方法,对沙丘前沿区逐日降雨径流过程进行试验模拟.结果表明:新安江模型模拟过程与实测过程偏差很大,17年降雨径流过程预报结果均不合格;而模型树方法模拟值与实测值拟合较好,预报合格率91%,确定性系数达到0.8,满足水文预报精度要求.对比这两种方法的建模过程及实验结果表明,基于模型树的数据驱动水文模型具有输入数据要求少、过程简单、维护工作量少等优点,适用性强,精度能够得到保证,可应用于沙丘区前区降雨径流预报,为沙丘前沿区水资源开发和保护提供技术依据.     

结合深度卷积网络及光学图像的降雨强度识别

基于降雨图像数据,依据降雨量划分不同的降雨强度;结合深度神经网络理论建立降雨强度识别模型,对降雨强度进行实时监测与预警.首先,通过福州市8个气象站点获取降雨图像及其对应的降雨量数据;其次,依据降雨强度对降雨图像进行分类,共分为6个等级,并将数据分为白天图像和晚上图像2个数据集;最后,采用DenseNet深度卷积神经网络构建降雨强度识别模型.结果表明:(1)各气象站点降雨强度的识别精度均高于80%,识别精度不存在明显差异;(2)白天降雨图像的识别精度高于晚上;(3)白天和晚上图像存在特征差异,使其识别精度在不同网络层数上的变化趋势不一致;(4)数据量不均衡将会影响模型总体的识别精度.表明基于降雨图像的DenseNet降雨强度识别模型具有良好的数据适应性及准确的识别结果.     

径流曲线数(SCS-CN)模型估算黄土高原小流域场降雨径流的改进

径流曲线数(SCS-CN)是预测场降雨地表径流常用的水文模型之一,由于其基本假设合理、参数易于获得而被广泛应用。然而,由于流域径流的形成受广泛存在空间或时间异质性的地形、地貌、土壤、气象、植被以及土地利用等多种因素的影响,按照标准径流曲线数模型估算的场降雨径流与实测径流相差可能很大。因此,针对特定区域、特定流域对该模型进行相应的修正是提高其径流预测精度的有效途径。本文于晋西黄土区吉县蔡家川分别以农田草地、人工林和次生林为主的3个典型小流域为对象,将2004—2011年实测的场降雨径流数据分为模型参数率定期(2004—2009年)和验证期(2010—2011年),对比标准SCS-CN模型和修正的SCS-CN模型(包括降雨量修正,降雨量与降雨强度修正,降雨量、降雨强度和初损率优化修正)预测场降雨径流的可靠性。结果表明:1)标准SCS-CN预测小流域场降水径流时,精度极差,模型拟合效率系数(E)均小于0;2)采用降雨量修正CN值预测流域地表径流精度优于标准模型,但对于小径流事件而言,预测结果会偏大,对于大径流事件,预测结果会偏小;3)基于优化降雨强度修正因子β和初损率λ模型可以提高以农田草地和人工林为主2个小流域的径流预测精度。对于以次生林为主的流域而言,仅通过降雨量修正CN值即可提高模型的预测精度,E可达0.79。反映流域储水特征的初损率λ,人工林为主的流域最小,为0.069,农田草地为主的流域次之,为0.189,次生林为主的流域,为0.200,表明次生林流域具有较好的储水效果。      

基于小波神经与随机分析的径流预测

【目的】分析水文不确定性因素对径流预测的影响,提高中长期水文预报方法模拟预测结果的精度。【方法】将小波分析(WA)、人工神经网络(ANN)和随机分析联合使用建立径流预测模型,即在小波分析(WA)揭示流量时频特性的基础上,将径流原序列分为高频部分和低频部分,然后利用人工神经网络(ANN)对低频部分进行模拟预测,利用随机分析对高频部分进行分析,最后将各部分结果叠加作为最终预测结果。将所建立的径流预测模型用于渠江二级支流后河的径流预测,并与传统BP人工神经网络方法的预测结果进行对比。【结果】根据《水文情报预报规范》,以预测值的相对误差小于10%为标准,传统BP人工神经网络预测结果合格率为46.67%,而基于小波神经与随机分析的径流预测模型在正常水文年模拟预测结果的合格率为73.33%。【结论】基于小波与随机分析的径流模型预测精度好、合格率高,能得到更好的复杂水文条件下的径流预测值。     

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.     

基于BP神经网络的韶山地表径流pH预测研究

建立地表水pH预报模型来分析酸沉降下地表径流的酸化趋势,对于研究酸沉降对小流域生态系统的影响和酸雨的防治工作都具有重要意义。韶山地表径流酸度的变化具有很强的非线性特性,要对其酸度进行较为准确的预测,就必须采用能捕捉非线性变化规律的预报方法,因此,尝试选用BP人工神经网络对韶山地表径流酸度进行模拟预测,结果表明,该方法预测的精度较高,在地表径流酸度的预测中有一定的适用性。     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征，使得建模和预测变得极其困难.提出一种组合预测方法，即假定任何金融时序数据由线性和非线性两部分组成，将其中线性部分的数据通过随机游走(RW)模型进行模拟，剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知，该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

幼虫期气象因子对马尾松毛虫影响及在预测预报中的应用

通过潜山市数据实证分析表明,马尾松毛虫的发生与1～2龄幼虫气温、降雨不具有线性相关性,但具有较高的非线性相关性。利用其非线性相关性,采用神经网络建模,对潜山市2015年～2018年发生数据进行验证,预测精度均大于90%。     

基于GA-RBF融合算法的玉米病虫害产量损失预测研究

鉴于玉米病虫害等影响因素在预测玉米产量损失时所具有的复杂及非线性等特点,采用传统的径向基函数(radial basis function,简称RBF)神经网络预测起来相对较难,且其预测精度较低。针对上述问题,提出1种基于遗传算法(genetic algorithm,简称GA)和径向基函数神经网络相融合的优化算法,对病虫害所造成的玉米产量损失进行预测。该融合算法利用人工神经网络的非线性拟合能力强和遗传算法寻优能力强的优点,建立最优产量损失预测模型,将该模型的估算值与玉米产量的实际值进行拟合,得到较好的拟合效果图。为了验证算法的可行性,以国家863计划示范基地榆树市弓棚镇13号村的试验数据为样本数据进行仿真预测。结果表明,经过GA-RBF融合算法的预测误差为0.207,较优化前误差降低了0.151,预测精度得到提高,实现对玉米病虫害产量损失的有效预测。预测结果可为农民进行科学有效的病虫害防控提供科学依据,经济有效地降低受灾程度,提高玉米产量。     

基于神经网络猪舍氨气浓度预测方法研究

猪舍内氨气浓度对猪生长发育影响较大,建立准确氨气浓度预测模型尤为必要。目前已有针对猪舍内氨气浓度预测研究,但氨气浓度受猪舍内多种环境因素影响,缺少准确预测模型。为此本研究从实测猪舍内环境数据(包括氨气浓度、温度、湿度、活动量、通风)中随机选取1 537组数据,使用L-M算法优化BP神经网络、线性神经网络和Elman神经网络预测猪舍内氨气浓度。结果表明,基于L-M算法优化BP神经网络建立5-9-9-1四层结构预测模型经290步后达目标误差,预测值和真实值最大绝对误差仅为0.1720,与Elman神经网络和线性神经网络预测方法相比可提高猪舍氨气浓度预测准确性和及时性,为猪舍环境预警提供支持。     

MATLAB在RBF神经网络模型中的应用

本文介绍了RBF神经网络的基本原理及主要特点,并举例说明了基于MATLAB神经网络工具箱建立RBF神经网络模型及实现仿真的方法.     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。     

基于神经网络的心电分类器设计

设计了一种基于神经网络的心电分类器,该设计利用前向多层神经网络的反向传播算法,即BP算法,采用Matlab软件建立了用于心电信号分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络能分辨出正常和异常的心电信号。     

Identification of Typical Rice Diseases Based on Interleaved Attention Neural Network

Taking Jiuhong Modern Agriculture Demonstration Park of Heilongjiang Province as the base for rice disease image acquisition, a total of 841 images of the four different diseases, including rice blast, stripe leaf blight, red blight and bacterial brown spot, were obtained. In this study, an interleaved attention neural network (IANN) was proposed to realize the recognition of rice disease images and an interleaved group convolutions (IGC) network was introduced to reduce the number of convolutional parameters, which realized the information interaction between channels. Based on the convolutional block attention module (CBAM), attention was paid to the features of results of the primary group convolution in the cross-group convolution to improve the classification performance of the deep learning model. The results showed that the classification accuracy of IANN was 96.14％, which was 4.72％ higher than that of the classical convolutional neural network (CNN). This study showed a new idea for the efficient training of neural networks in the case of small samples and provided a reference for the image recognition and diagnosis of rice and other crop diseases.     

MOS VLSI电流型模拟电子神经网络

本文提出了采用ＭＯＳ晶体管的电流型模拟电子神经网络的新实现。该电路结构非常简单，且具有ＭＯＳ ＶＬＳＩ的优点，新的神经元电路的神经态既可以是全电流型又可以是电压型。     

Elman神经网络在农网短期负荷预测中的应用

为提高负荷预测精度,更好地反映负荷的动态特性,提出了一种基于Elman神经网络的预测方法。先对负荷样本进行数据预处理,消除伪数据,然后把不同日各时刻的负荷序列作为样本,对未来时刻的负荷进行短期预测。预测实例表明,基于Elman神经网络的预测方法比基于BP神经网络的预测方法具有更好的预测效果。     

基于神经网络的催化剂配方模型

本文应用人工神经网络中的BP网络与RBF网络，讨论脂肪醇催化剂配方的建模问题，并与传统的多元线性回归方法进行对比。结果表明，神经网络具有明显的优点，而RBF网络又比BF网络更加精确，且收敛速度要快1000倍以上。     

基于BP神经网络的非线性函数逼近仿真研究

神经网络的建模方法的主要特点是模型易于实现(辨识模型即为神经网络本身)和对非线性映射的逼近性能良好,为非线性系统黑箱辨识问题提供了一种十分有效的工具。本文在研究BP神经网络MATLAB实现的基础上,提出了一个用于非线性函数逼近的3层BP网络。训练结果表明:预测值与期望值具有较好的一致性,说明BP网络具有良好的预测能力。     

基于改进BP神经网络的地下水水质评价--以新疆和田地区为例

在阐述人工神经网络基本原理的基础上,提出了地下水水质评价的BP网络模型。并分别利用BP网络模型与传统的模糊综合评判法对新疆和田地区地下水水质进行了评价,结果表明,BP网络模型不仅计算简便,而且具有较高的计算精度。