神经网络方法在土壤墒情预测中的应用

在对比分析现有土壤墒情预测模型的基础上，采用改进的神经网络方法建立了土壤墒情预测模型，并结合实测数据进行误差分析，结果表明神经网络模型可成功应用于土壤墒情分析和预测，对于不同条件的地区具有广泛的适应性和推广应用前景。     

神经网络在土壤养分流失预测中的应用

以BP网络（Back Propagation Network)为基础，建立了小流域土壤养分（包括N，P，K3种成分）为输出层，流域出口处的洪量，输沙量及流域的年降雨量为输入层的包含一个中间层的BP网络，经检验，模型输出与多元线性回归模型计算结果一致。模型的建立及求解为水土保持中土壤养分的流失预测研究提供了一种新方法。     

灰色神经网络模型在湖泊水质预测中的应用

应用灰色GM(1，1)预测模型和人工神经网络预测模型相结合而成的灰色神经网络模型，对湖泊高锰酸盐指数进行预测。此方法是用人工神经网络去把握灰色GM(1，1)所得到的预测值和实测值之间的未知关系，再进行新的预测。其特点是可行性强，且方法简便。通过准确地预测湖泊高锰酸盐指数可以为治理、控制湖泊营养化和综合利用自然环境资源、规划管理、决策提供重要的科学依据。     

神经网络方法在车内噪声信号预测中的应用

针对以往车内噪声有源控制过程中存在的次级声源在初级声场采样传声器上的声反馈问题，提出了车内噪声信号识别和预测的神经网络方法。对被试面包车在稳态和非稳态两种工况下的试验研究表明，利用车身悬置点和发动机的振动信号，通过BP神经网络来识别和预测车内驾驶员耳旁噪声是可行的，可以解决次级声源在初级声场采样传声器上的声反馈问题。     

优化神经网络模型在作物需水量预测中的应用

在MATLAB6.5中建立BP神经网络模型,用比较试验法对网络结构优化起关键作用的隐层节点数和优化训练算法进行了仿真试验,从而确定了合理优化的BP神经网络预测模型.采用一组样本数据来训练建立好的优化模型,并通过一组非样本数据来验证训练好的网络模型.误差结果证明,该优化模型能快速与准确地预测作物需水量,完全能够满足农业灌溉的精度要求.     

神经网络在温室小气候预测中的应用

近年来,随着以日光温室为主要形式的设施栽培技术的兴起以及神经网络在语音识别、计算机视觉、序列分类领域取得重大突破,作为一种实现时间序列预测的有效工具,越来越多的神经网络技术开始应用在温室小气候预测技术中。按照神经网络的发展顺序对不同类型的神经网络模型在温室小气候预测中的应用进行总结叙述,分别针对前馈神经网络、循环神经网络、深度神经网络及混合神经网络的发展现状和研究者对网络模型的优化情况进行详细的介绍。在此基础上,分析当前针对温室小气候预测的神经网络模型存在模型输入参数单一而无法考虑温室整体环境变化、模型结构单一导致鲁棒性不足以及模型可靠性检验方法不合适、深度模型难以实地部署的问题,提出建立混合模型、改进模型检验方式、优化深度模型网络结构等建议。以期为面向温室智能控制的进一步研究提供参考。     

偏最小二乘回归神经网络在径流预报中的应用

地表水系统中,径流受诸多因素影响。将偏最小二乘回归与神经网络耦合,建立了径流量预报模型。将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题。实例表明本模型有较高的拟合和预报精度。     

神经网络模型在农村人均收入预测中的应用

利用人工神经网络建立了具有时间序列对象的预测模型，并提出了基于体模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收进行了预测，证实了本模型的正确性和科学性。     

我国农机总动力需求的模糊神经网络预测模型

利用模糊神经网络建立了具有时间序列对象的预测模型，提出了相应的模糊化方法，并对我国农机总动力需求进行了预测，预测结果和实际情况的有较好的一致性。     

BP神经网络在日光温室湿度预测中的应用

在对冬季环境下典型北方日光温室环境因子实测数据进行分析的基础上,选择影响温室湿度的环境因子和管理情况作为神经网络的输入量,包括室外温度、室外湿度、室外光照、室内3点温度、室内光照、天窗、侧窗开闭等共10项,以温室内部5个点实测平均湿度为输出量。通过900组数据对构建好的BP神经网络进行训练,选取训练数据外的60组数据作为测试。结果表明,60组输出数据平均相对误差为3.234%,预测效果良好。     

神经网络在厌氧消化过程中的模拟应用

本文对神经网络在厌氧消化过程中的模拟应用作了系统综述。稳定性是厌氧反应器性能的关键指标之一，由于反应器不可避免地受到各种负荷的冲击，稳定性常常会被破坏。找出一种合适的模型来模拟反应器在冲击负荷下性能变化情况从而更好地控制反应器，具有重要的实际意义。神经网络以其非线性、自适应性、并行性以及较强的容错能力等优点，受到人们的重视，神经网络在厌氧消化过程中的模拟应用取得了比较满意的结果。     

人工神经网络模型应用于大坝变形

利用已有的垂线原型观测资料，建立了基于人工神经网络的大坝变形计算模型，并用原型观测数据对其进行了校核和检验。结果证明，用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测，并具有一定的优越性。     

引入因素分析法的神经网络在洪水

因素分析法是一种多元统计法，可以通过线性变换，将原有数据转换成彼此不相关且维数较少的数据，本文将因素分析法引入洪水预报神经网络的输入单元精简过程，详细介绍了建模和神经网络训练过程中包括STA训练控制在内的一些关键技术问题，并通过实例评价了此应用方法的效果，通过分析，表明此方法可以在不损失或较小损失的前提下方便有效的对洪水预报神经网络结构进行精简，大大缩减了神经网络的规模，提高了效率，具有很高的实用价值。     

区域土壤水盐动态人工神经网络预测研究

根据黄河河套灌区多年的区域水盐监测资料 ,比较了 ANN三层、四层 BP网络不同学习速率下的收敛效果 ,拟合精度 ,应用四层 BP网络模型对灌区的年内不同时期的土壤水分、盐分的动态变化进行了模拟预测。研究表明 ,BP网络可以用于区域土壤水盐动态预测 ,方法简便可行 ,有较高的精度 ,是对传统的区域水盐动态模数值拟预测方法的补充。     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。     

河道洪水预测的BP网络模型及应用

针对长江中游螺山至汉口站洪水过程, 采用一种改进BP算法，初步建立了考虑区间入流的河道洪水预测的BP神经网络模型，利用该模型对汉口站1986～1987，1998～1999年汛期洪水进行了预报。结果表明，在延长预见期为5d的情况下，应用神经网络对长江中游汉口站流量进行预报是可行的。     

非充分灌溉青贮玉米土壤墒情预报的人工神经网络模型

土壤墒情预报是农田适时适量灌溉与科学管理的基础,田间土壤墒情的变化受降水、灌溉、植株蒸腾、土壤蒸发、根系层下边界水分通量及外界气象因素的影响,关系比较复杂。利用内蒙古锡林浩特市典型草原区的青贮玉米土壤水分试验资料,建立了土壤墒情预报的BP神经网络模型,并利用部分实测资料对网络进行检验,取得了较好的效果。结果表明BP神经网络模型可以对区域土壤水分进行动态预测,方法简便可行。     

基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究

蔬菜是居民生活饮食的重要组成部分,蔬菜价格预测存在着价格波动幅度大、影响因素复杂多样、精度不高等难点。本研究以黄瓜为研究对象,分析了影响黄瓜价格的供给、需求、流通等因素,引入Lasso回归模型对影响因素进行筛选,获得12项关联度较大的因素。在此基础上,构建了一种基于影响因素的Lasso回归方法与BP神经网络相结合的组合模型（L-BPNN）,开展黄瓜短期价格预测,并与Lasso回归模型、BP神经网络模型、RBF神经网络模型等回归分析和智能分析方法等进行了对比验证研究。结果表明：使用L-BPNN模型预测黄瓜价格,其平均相对误差最小,仅为0.66%,比Lasso回归模型、BP神经网络模型和RBF神经网络模型分别低64.52%、82.11%和86.2%,具有较高的预测精度。本研究结果实现了黄瓜的短期价格预测,也可推广到其他蔬菜品种,对于保障菜农收入、稳定蔬菜市场价格等具有重要意义。     

神经网络在农业专家系统中的应用

介绍了专家系统的特点及农业专家系统的发展现状;提出了将神经网络理论应用于农业专家系统的设计方法,并分析了其优点;论述了基于神经网络的农业专家系统的结构、知识表示与获取、推理机制等;结合具体实例,给出了神经网络学习方法及专家系统运行过程。