疾病费用预测的建模分析

果肉自溶是影响龙眼采后果实贮运、货架寿命和贮藏品质的重要因素。本文综述了龙眼果肉自溶过程的组织结构变化、生理生化变化及微生物侵染与自溶的关系、果肉自溶相关的分子生物学等的研究进展,探讨龙眼果肉自溶的机理和常用的保鲜技术,并提出未来研究的方向,以期对龙眼果实采后贮运保鲜提供参考。     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。     

Gram-Schmidt算法与GRNN融合的加工番茄早疫病高光谱预测

加工番茄早疫病的准确预测,有助于及时采取防治措施,降低产量损失.测定加工番茄早疫病冠层光谱,对380～760 nm进行连续统去除变换,提取波段深度、波段位置、波段宽度、斜率、面积等特征参数,并对原始光谱提取红谷、绿峰、红边及相应波段位置等特征参数.利用Gram-Schmidt算法对特征参数进行成分提取,作为广义回归神经网络(GRNN)的输入变量,对加工番茄早疫病病情严重度进行预测.研究结果表明,与多元线性回归和偏最小二乘法预测模型比较,Gram-Schmidt算法与GRNN融合模型的预测精度相对较高,R2为0.843,RMSE为0.136,该方法能够对加工番茄早疫病病情严重度进行快速、准确的预测.     

城乡统筹背景下重庆市水生态足迹分析及预测

为研究城乡统筹背景下重庆市水生态足迹情况,利用水生态足迹模型,分析了重庆市2000—2014年水生态足迹和水资源承载力,运用GRNN模型预测了2015—2018年城乡人均水生态足迹与人均水资源承载力。结果表明,12000—2014年重庆市水生态足迹总体呈上升趋势,由0.093 2亿hm~2增长到0.143 5亿hm~2。水资源承载力受降水量的影响,整体波动较大。水生态压力指数介于0.115 6~0.235 9之间,远小于1,水资源开发利用空间大。2城乡水生态足迹与水资源承载力有差异:农村总水生态足迹大于城市,但人均水生态足迹小于城市。农村总水资源承载力与人均水资源承载力均大于城市。城市水生态压力指数大于农村,但二者都小于1,说明城市水资源利用程度高,但城市发展对水资源的压力也大。3预计2015—2018年重庆市城乡人均水生态足迹总体上都呈上升态势,城市人均水生态足迹将由0.386 64 hm~2增长到0.409 62 hm~2,增长了6%。农村人均水生态足迹将由0.276 50 hm~2增长到0.336 57 hm~2,增长了22%。城乡人均水资源承载力在一定范围内相对稳定,水生态足迹增长将威胁水资源可持续利用。在充分考虑重庆市水资源的时空分布基础上,优化产业结构、转变发展方式、统筹城乡布局,可促进重庆社会经济可持续发展。     

基于GRNN算法的潜在产出与产出缺口估算模型

基于神经网络学习性、非参数估计的优势,建立估算经济潜在产出和产出缺口的广义回归神经网络（GRNN）模型,对中国产出缺口和潜在产出增速的1978—2015年数据进行估算、2016—2020年数据进行多步预测,实证分析较好地克服了生产函数法中由于事先假设确定的函数形式及选择不同函数结果不同的问题,并且所估算的潜在产出增速与经济增速具有较高的契合度。模型分析得出：中国经济增长速度大致维持在潜在产出增长率水平附近,便可实现通货膨胀率维持在合理水平,且较好地实现总体供需平衡的目的。     

基于改进广义回归神经网络和主成分分析的宽带DOA估计

为了获取较高的宽带信号的DOA(direction-of-arrival)估计精度,提出了基于改进的广义回归神经网络(IGRNN,improved generalized regression neural network)和主成分分析(PCA,principalcomponent analysis)的宽带DOA估计算法。选用PCA方法对训练样本进行降维,以降低神经网络的复杂度;利用粒子群算法优化GRNN的参数;根据选取不同的聚焦角度确定粗估计、精估计的训练模型,通过粗估计得出目标的大致方位后,利用精估计模型得出最终的估计结果,避免了聚焦角度对估计精度的影响。仿真结果表明,本文提出的算法具有较好的估计精度和较高的工作效率。     

实木复合地板导热性能的检测及建模方法

根据实木复合地板的特点,提出一种导热性能检测装置.根据此检测装置测出的数据,利用曲线拟合和广义神经网络(GRNN)2种方法建立起实木复合地板导热性能的数学模型,并且达到理想的逼近精度.     

双变量螺旋外槽轮排肥器控制序列对排肥性能的影响

施肥稳定性是评价变量施肥机作业性能的重要指标，为了研究排肥口开度（L）和排肥轴转速(n)的组合对排肥性能的影响规律，本文基于离散单元方法，对同一目标施肥量下，不同L和n组合下的施肥过程进行仿真。首先，通过标定试验，构建了基于广义回归神经网络GRNN的排肥量预测模型，经过验证，其决定系数达到0.9994，预测平均相对误差（MRE）为3.56%。其次根据螺旋外槽轮排肥装置的等排肥量曲线，选择3个排肥量1067.37、2323.04、4206.56g/min为目标排肥量，并利用差分进化算法（DE）确定同一目标施肥量下的控制序列(L,n)的组合。最后，利用离散元仿真软件EDEM 2.8分别对3个目标施肥量，不同控制序列下的排肥过程进行仿真。采用排肥均匀性变异系数σ作为评价排肥稳定性的指标，仿真结果表明，在目标排肥量Q1下，当控制序列为(25mm,17.78r/min)时，σ最小，为5.27%；在其他控制序列，σ均高于20%，排肥稳定性较差，且出现断条现象。在目标排肥量Q2下，当控制序列为(65mm，17.12r/min）时，σ最小，为3.46%。在目标排肥量Q3下，σ均小于4%，且在控制序列(65mm，32.85r/min），σ达到最小，为2.08%。当目标施肥量较小时，控制序列的选择对排肥稳定性影响显著，工作时，应尽量避免开度、转速的边界量。当目标施肥量较大时，控制序列选择对外槽轮排肥稳定性的影响较小。结果表明，螺旋外槽轮排肥器具有较好的排肥稳定性。     

基于GRNN网络模型的土壤重金属空间分布的研究

以江苏省南通市为研究区,利用采样点实测数据,借助GRNN神经网络模型并结合3S技术对农田土壤重金属的空间动态分布进行了深入研究。结果表明,GRNN神经网络模型能够智能地学习各个采样点的空间位置与该点各重金属含量之间的映射关系,并能够稳健地对各个空间插值点处的土壤重金属含量进行预测;结果显示南通市农田土壤重金属污染总体较轻,但也存在局部地区的严重污染。在运用GRNN神经网络模型进行空间插值了解重金属空间动态分布的基础上,可以根据污染的状况确定农产品的生产布局和规划。     

基于RS和GIS的径向基神经网络模型对森林蓄积量的估测

以塞罕坝机械林场的华北落叶松林为研究对象,利用SPOT5影像,基于RS和GIS确定蓄积量主要影响因子,即海拔、坡向、郁闭度、SP1、SP3、SP1/2、SP1-2/1+2、SP2~*3/1,选取径向基神经网络模型中的广义回归神经网络模型对其蓄积量进行估测.结果表明:对林分蓄积量估测的最高精度为98.70%,最低精度为68.56%,预估检验的所有样地的平均精度为87.24%.利用径向基GRNN模型建立森林蓄积量估测模型对蓄积量进行估测时,效率高,计算方法比较简洁,易于操作.