幼虫期降水对马尾松毛虫发生量影响研究

通过安徽省潜山市监测数据实证分析表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析结果表明,第1、2龄降雨量(mm)自变量重要性值为0.867,规范化后的重要性值分别为100.0%。因此,第1、2龄降雨量(mm)可以作为马尾松毛虫精细化预报建模主要因子之一,对马尾松毛虫进行预报,实现马尾松毛虫灾害精细化管理。     

基于FLANN数据融合的木材含水率检测方法

针对木材含水率的检测精度受到多种环境因子(温度、平衡含水率、风速等)的影响,提出了一种基于函数联接型神经网络FLANN的数据融合方法以消除环境温度对木材含水率检测精度的扰动。FLANN能利用函数扩展替代多层感知器(MLP)的隐含层,将输入信号空间维度下的线性不可分类的问题,扩展至较高信号空间维度的超平面上,简化了MLP的架构。与MLP相比,FLANN具有结构简单、收敛速度快和计算量小的特点。仿真结果及实验验证表明:基于FLANN的数据融合方法,能有效消除环境因子的扰动,并可实现木材含水率的稳定、实时、高精度检测。     

基于多层感知器神经网络对遥感融合图像和TM影像进行土地覆盖分类的研究

８０年代以来，人工神经元网络（ＡＮＮ）技术的应用不断向广度和深度发展．用不同空间分辨率的ＴＭ和ＩＲＳ遥感图像进行融合，综合了不同传感器数据所提供的信息，增强了图像的清晰度，改善了解译效果。用多层感知器神经网络对遥感融合图像进行分类，分类精度达９５％，比用多层感知器神经网络对ＴＭ图像进行分类（分类精度达７３％）效果要好．     

ＰＲＯＳＰＡ６型插秧机ＳＰ水平系统组成与作用

插秧机在作业中,靠SP水平的作用系统来控制插植部的水平,即行走部虽然倾斜靠滚动感知器倾斜感应保持插植部的水平。 SP水平系统是由M电脑箱、滚动感知器、水平马达、水平微动开关、主变速感应开关、插植中立开关等组成。     

基于多层感知神经网络的水稻叶瘟病识别方法

为实现水稻叶瘟病的快速诊断,综合利用图像处理技术和神经网络来进行叶瘟病斑的识别研究。该文设计了3个多层感知分类器来进行病斑识别准确率的对比验证,分别采用叶片正常区域和病斑区域的纹理特征、颜色特征以及纹理和颜色的组合特征作为不同分类器的输入单元;输出层采用1个单元用于输出病斑区域和正常区域的识别结果。首先,该文将采集到的RGB图像转换成灰度图像,利用灰度共生矩阵分别提取叶片正常区域与病斑区域的能量、对比度、熵、逆差距作为纹理特征;紧接着,将RGB彩色空间转换至HIS和Lab空间,分别提取病斑区域和正常区域的L、a、b值作为颜色特征。最后,采用不同的BP神经网络分类器进行病斑区域识别。该文共采用120副图像作为待测对象,试验结果表明,采用颜色和纹理的组合特征进行识别,准确率要比单独使用纹理特征和颜色特征高10%～15%。本文的研究结果为进一步实现水稻病害自动诊断打下了基础。     

北京松山自然保护区森林群落物种多样性及其神经网络预测

物种多样性是群落结构和功能复杂性的一种度量,物种多样性的空间分布格局受许多环境因子的影响。运用多样性指数,多层感知器网络,分析了松山保护区森林群落物种多样性与群落类型、结构和生境之间的关系。结果表明:(1)大果榆+山杨混交林、油松+青杨混交林物种丰富度、多样性和均匀度均较高,而大果榆林、华北落叶松林的各项指数值均较低。Patrick指数和Shannon-Weiner指数在森林群落中均表现为草本层>灌木层>乔木层;Pielou指数在榆林中表现为草本层>乔木层>灌木层,而在其他森林群落中表现为灌木层>草本层>乔木层。(2)功能层物种多样性在海拔梯度上的变化趋势不同,在乔木层,丰富度、多样性和均匀度随海拔的升高逐渐降低;在灌木层,丰富度、多样性和均匀度均呈比较明显的单峰曲线变化趋势;在草本层,丰富度和多样性随海拔的升高都呈下降趋势,而在草本层,均匀度变化不大。(3)用多层感知器网络预测功能层多样性效果很好,结果发现坡向对乔木层和灌木层物种多样性的影响最大,而海拔高度对草本层物种多样性的影响最大。     

幼虫期降水对马尾松毛虫发生量的影响

本文研究了幼虫期降水对马尾松毛虫发生量的影响。结果表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析表明,第1、2龄期降雨量自变量重要性值为0.867,规范化后的重要性值为100.0%。因此,第1、2龄期降雨量可以作为马尾松毛虫精细化预报建模的主要因子之一对马尾松毛虫进行预报,以实现马尾松毛虫灾害精细化管理。     

基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型构建

森林是全球重要的陆地生态系统,各国普遍采用地面样地调查的方法评估其资源量和生物量。随着激光雷达技术的发展,采用星载大光斑激光雷达估算大区域森林地上生物量将成为另一种选择。为探索利用大光斑激光雷达估算森林地上生物量的方法,提出了一种基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型。比较仿真大光斑激光雷达波形参数13种组合拟合森林地上生物量的效果后,认为多层感知器的估测精度高于多元线性回归。与样地实测地上生物量相比,多元线性回归估测结果的偏差范围为-34.96~23.28t/hm²,多层感知器估测结果的偏差范围更小,为-19.09~20.19t/hm²。因此,多层感知器估测森林地上生物量的效果优于多元线性回归。     

基于传感器阵列多特征优化融合的鱼粉品质检测

为了提高鱼粉品质检测装置的鉴别能力,利用研制的鱼粉品质检测装置,提取鱼粉样本的响应特征信息（10×6个）构成原始特征矩阵,以多层感知器神经网络的鉴别正确率为评价指标,对其传感器阵列进行多特征数据融合优化。首先,通过不同的归一化处理,得到了最佳的归一化处理方法;其次,通过因子载荷分析结果计算获得1 770个特征距离值,按从小到大的顺序对1 770个距离进行排序,并依据特征值距离原点的欧式距离,剔除欧氏距离较小的19个特征值,获得最高的鉴别正确率;最后,对经过载荷分析优化后的原始特征值进行相关性分析,按相关系数绝对值累加和大小进行排序,当剔除掉相关系数绝对值累加和大于37.2时的8个特征值时,此时鉴别正确率为98.3%,特征子集也更紧凑。研究结果表明：特征优化前后的传感器信号的表征特征发生了明显的变化,33个特征值被用来表征鱼粉样本的传感器特征信号。同时,采用马氏距离解释了MLP神经网络鉴别结果的可信性,进一步说明了特征优化方法的合理性。     

印度中央邦马尔瓦地区利用人工神经网络和回归模型预测蒸腾量的比较（摘选）

蒸发是水循环的一个重要组成部分,对蒸发量的估算是对水资源和灌溉水量有效利用的一个重要手段。该研究旨在利用多元线性回归模型、多层感知器（MLP）和人工神经网络（ANN）模型模拟印度中央邦马尔瓦地区周蒸发量。利用4种不同天气变量组合训练神经网络模型。多元线性回归模型只将最高温和相对湿度作为输入值,但是模拟结果不令人满意。MLP模型采用的数据集包括最高和最低温度、风速和相对湿度,在训练和验证中都取得了比较好的结果。MLP模型可以用来模拟周开放式蒸发皿蒸发量,估算缺失数据,并可以作为替代模型以验证蒸发量测定值。降雨量数据并不能改善模型性能。