云南省水稻白叶枯病BP神经网络测报技术研究

 人工神经网络对复杂非线性问题映射能力强,能提高预测的准确度,为水稻白叶枯病害的防治工作提供指导。因此,本研究基于水稻白叶枯病害发生、危害与温度、湿度、降雨等气象因素相关的特点,利用人工神经网络建立云南省勐海县和石屏县水稻白叶枯病害BP神经网络预测模型,预测病害的发生程度。经实例验证,BP神经网络预测模型预测准确度达到80%以上,较逐步回归模型高。研究表明在勐海、石屏建立水稻白叶枯BP网络预测模型是可行的,并具有较高预测准确度,对防治工作有较高应用价值。     

人工神经网络预测注水腐蚀管道的剩余寿命

利用人工神经网络的自适应、自组织学习能力，通过对训练样本集的学习，使用传统的CVDA－84规范、传统的BP神经网络、改进的Rumelhart和MBP神经网络，对注水管道的剩余寿命进行了预测。结果表明，CVDA－84规范偏保守，采用BP以及改进的BP神经网络预测的剩余寿命和观测值基本一致。但采用BP人工神经网络预测时，迭代次数比CVDA多得多。采用改进的Rumelhart和MBP神经网络能有效地提高预测速度，改善网络的收敛性，并且使预测精度有所提高。     

基于人工神经网络的粮食产量预测模型

研究了人工神经网络在经济预测中的应用问题,探讨利用人工神经网络进行农业粮食产量预测的方法。提出一种基于多层前馈BP神经网络的农业粮食产量预测模型,可以得到影响粮食产量的主要因子和粮食产量之间的非线性映射关系。并通过实例验证了神经网络模型的预测精度明显高于线性回归模型的预测精度。     

基于环境信息和深度自编码网络的农作物病害预测模型

为了有效预测农作物病害,基于深度自编码网络,提出一种农作物病害预测模型。该模型能够自动从农作物环境信息中学习到主要的非线性组合特征,提高病害的预测精度。首先利用与农作物病害发生相关的环境信息构建病害预测的特征向量,并确定病害的4种预测状态,然后通过深度自编码网络从大量无标签的特征向量集中自动学习到可预测病害发生的深层特征的隐层参数,生成新特征向量集,再对有标签的新特征向量集进行学习,生成病害预测分类器,由此预测病害发生的等级。对黄瓜3种常见病害进行预测试验,平均预测准确率高达86%以上。试验结果表明,该模型是有效可行的,且具有较好的自学习更新能力。     

基于BP网络的葡萄病害发生预测系统的开发研究

[目的]提高葡萄病害预测的准确度。[方法]介绍基于BP网络的葡萄病害预测系统的开发研究,包括网络结构的确定、网络学习参数的选取、样本数据的处理等方面。[结果]对河北省怀来县葡萄病害发生程度进行预测,取得良好的效果。[结论]运用BP网络模型对葡萄病害的发生量进行预测预报,适合于影响葡萄病害发生因素多、关系复杂、难以定量分析以及需长期预测的情况,对于葡萄病害发生程度的预测具有重要的参考价值。     

基于模糊控制与RBF神经网络的桃树病虫害发生预测

将模糊控制引入到径向基函数(RBF)神经网络中,采用模糊控制与RBF神经网络相结合的方式建立预测模型,对河北顺平地区种植的桃树进行病虫害发生预测.仿真结果表明,该预测模型相对误差小,并解决了人工神经网络缺乏处理不确定性和模糊信息能力的缺点,预测预报及时、准确.     

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。     

基于可见-近红外光谱和神经网络的土壤类型鉴别

提出一种利用近红外光谱快速、无损鉴别土壤种类的方法。首先利用近红外光谱仪测定不同种类土壤的光谱特征曲线,利用主成分分析法提取主成分,再结合人工神经网络建立模型进行类型鉴别。主成分分析表明,主成分1、2、3的累积方差贡献率达到99.839%,可以很好地代表原始数据特征。以主成分分析得到的前3个主成分作为神经网络输入,以土壤类型为输出,通过对30个样本的训练学习,分别建立了反向传播人工神经网络(BP)和径向基函数人工神经网络(RBF)。对10个样本进行预测,结果表明2种模型预测的准确性均达到100%。RBF神经网络运行时间明显小于BP网络,具有一定优势。     

BP神经网络在农业水土研究中的应用

农业水土工程专业致力于解决水、土资源的开发与利用问题,现代技术的不断发展使传统研究方法具有一定的局限性。神经网络技术凭借其强大的非线性映射能力、自学习、自适应能力、泛化能力及容错能力,在各领域都得到了广泛的应用。本文论述了BP神经网络在农业水土工程领域的应用,主要涉及水土资源及其他方面的预测、评价、识别与优化等方面,旨在对BP神经网络在农业水土工程专业的应用进行全面总结。     

基于神经网络的宏观农业生产预测模型的研究

为探索宏观农业生产系统预测的新方法，构建了基于人工神经网络的预测模型，利用1994-2003年的气象、经济、生产、投入、技术、价格各方面的数据对我国粮食生产进行了拟合分析，并预测了2004年粮食总产，预测的结果为46125．46万t。结果表明，与灰色系统相比，本文建立的模型具有90％以上的拟合精度，模型具有容错能力、联想能力和学习能力．可以用来尝试解决农业生产系统预测问题。     

基于模糊神经网络的农业病害诊断通用平台构建

【目的】构建基于模糊神经网络的农业病害诊断通用平台。【方法】将客观计算与专家经验相结合,分别对病害症状的重要性及其模糊描述进行分析量化。建立模糊BP神经网络通用诊断模型用于诊断推理,引入附加动量法和自适应学习速率法对传统BP算法进行改进。采用面向对象的方法,运用Java语言开发病害动态诊断平台,并以葡萄病害诊断为例,对平台功能及性能进行测试。【结果】基于模糊神经网络的农业病害诊断通用平台构建成功,其对葡萄病害的诊断结果与专一的葡萄病害诊断专家系统诊断结果一致,且神经网络的训练速度显著提高。【结论】构建的基于模糊神经网络的农业病害诊断通用平台,适用于多种作物的病害诊断,克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性。     

神经网络在软基沉降预测中的应用

软土本身具有很多特性,沉降一直是很重要的土工问题,通过沉降预测可为软基工程的设计与施工提供方法上的支持。以人工神经网络理论为基础,利用神经网络具有的自组织、自适应、容错性和较强的学习、联想能力,通过对数据样本的训练学习和测试,反演软土地基力学参数,并结合有限元程序建立模型预测沉降。结果表明,预测数据与实测数据误差小于10%。说明该方法预测精度较高,通过BP网络反演地基参数结合有限元计算预测沉降的方法是合理可行的。     

基于BP神经网络的农业高科技投资项目风险评价模型

在建立农业高科技投资项目风险评价指标体系的基础上,引入人工神经网络建模方法,建立基于BP神经网络的农业高科技投资项目风险评价模型,并运用实例对其进行了训练和预测,取得了较好的结果,说明该模型能较为准确地按照专家的评价方法进行工作,为农业高科技投资项目提供了现实可用的风险预测及风险控制工具,同时进一步显示出神经网络模型在现代农业经济非线性领域应用的广阔前景。     

人工神经网络在玉米气候适宜性评价中的应用

人工神经网络具有很强的自学习能力,善于联想、概括、类比和推理,能从大量统计资料中分析提取宏观统计规律,同时具有很强的鲁棒性、容错性以及强大并行计算能力,是进行非传统建模的有效工具。目前,应用比较多的BP神经网络,可通过学习以任意精度逼近任何连续映射,在农业工程项目中展示出了-广阔的应用前景。主要介绍了人工神经网络的原理、特点及其在玉米气候适宜性评价中的应用。     

基于遗传神经网络的陕西省土地利用结构模型研究

针对土地利用结构变化的复杂特征与BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP人工神经网络模型,形成了遗传算法与BP网络结合的遗传神经网络模型,通过运用matlab软件编制神经网络和遗传神经网络程序,实现模型的建立。证明遗传神经网络用于土地利用结构的预测是可行和有效的,有着良好的前景。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.     

基于改进BP神经网络的价格预测模型研究

人工神经网络是一种人工智能算法,具有强大功能,可任意逼近非线性连续函数。面对畜产品价格变化的复杂因素,文章运用MATLAB实现各种BP神经网络的设计和训练,利用改进的神经网络算法即在权值中引入动量项,输入层至隐含层的传递函数采用S型曲线,隐含层至输出层的传递函数采用线性函数,对东北地区畜产品价格进行预测。结果显示模拟数据与实测数据拟合性很好、预测精度较高、泛化能力较好,可为畜产品价格预测提供一种全新思路和方法。     

农作物虫情的模糊神经网络预测模型

利用BP神经网络建立的农作物虫情预测模型,其算法存在收敛速度慢、网络泛化能力差等缺点,可影响预测精度。为进一步提高预测精度,将人工神经网络与模糊系统结合,建立基于模糊神经网络的农作物虫情预测模型;并将该模型与基于BP神经网络算法的预测模型进行比较。结果表明,模糊神经网络的预测模型预测精确度比较高,训练速度比较快;该模型给农作物虫情预测提供了一种新方法。     

基于模糊神经网络的汽油发动机故障诊断专家系统的研究

根据汽油发动机的组成结构、功能原理及维修专家的实际经验，利用人工神经网络模型和模糊技术，应用面向对策的程度设计方法，以Visual-Basic5.0语言开发出了汽油发动机故障诊断专家系统软件。该系统具有模拟专家思维和分析判断故障部位的能力，并借助于神经网络进行自学习、扩充知识库。具有较高的智能水平。     

基于ANN的轴流脱粒与分离装置性能指标预测

影响水稻轴流脱粒与分离装置性能指标的因素很多,并且它们之间存在着复杂的非线性关系,用传统方法很难对其进行准确预测。神经网络算法简单、学习收敛速度快、具有线性、非线性逼近精度高等特性。本文以正交旋转组合实验获得的数据作为样本,对人工神经网络(ANN)模型进行训练学习,利用训练后所得到的模型,对性能指标进行了预测。结果表明,网络预测值与实测值之间具有很高的相关性和精确度,为机械性能指标研究提供了一定的理论辅助手段。