BP神经网络在渭干河流域土壤盐渍化预测中的应用

[目的]比较神经网络算法和传统统计建模方法对土壤盐渍化预测模型的效果.[方法]对渭干河流域多年土壤盐渍化和其影响因子进行分析的基础上,采用BP网络的3种算法,建立基于BP神经网络土壤盐渍化预测模型.将预测结果与多元线性回归模型预测结果进行对比分析,讨论线性和非线性方法用于土壤盐渍化预测模型.[结果]与传统的统计建模方法相比BP神经网络结构简单、快捷,预测精度高,很好地再现了土壤盐渍化与其影响因素之间复杂的非线性函数关系;三种BP算法中,基于trainlm算法建立的壤盐渍化预测模型具有较好的推广能力.[结论]BP神经网络的土壤盐渍化预测性能良好,用来可以预测土壤盐渍化情况.     

杨树蛋白质二级结构的人工神经网络预测

以PDB公用生物信息数据库为基础,用人工神经网络建模技术对杨树蛋白质二级结构预测模型进行了研究,这对深入认识森林动态机理、提高森林资源信息化管理水平、改进森林保护制药设计等具有重要的应用价值,对森林生物学、森林生物信息学的研究具有重要的学术意义。从公用数据库下载杨树蛋白质样本27个,提取氨基酸2 947个。用长度为17的滑动窗口截取蛋白质一级结构的氨基酸序列片段,并用[-1,1]编码方式进行编码,以组织输入向量,以片段中心氨基酸对应的蛋白质二级结构（螺旋、折叠、无规则卷曲）为输出向量,构建了结构为17∶S∶3的BP人工神经网络模型。用训练、测试样本对模型进行训练、检验,得出理想的模型结构为17∶9∶3,其总体拟合准确度为71%,总体预测准确度为65%,H的预测准确度达81%,比以往同类研究具有较高的预测准确度。     

人工神经网络预测蛋白质二级结构的编码技术综述

人工神经网络方法是迄今为止在蛋白质二级结构中预测精度最高的一种方法,而网络输入编码的方式对预测精度影响较大。在简介人工神经网络预测蛋白质二级结构方法的基础上,综述了常用的正交编码,五位编码,基于氨基酸理化性质的编码,基于profile的编码,基于常见的分矩阵的编码,基于密码子的编码等几种编码方法,对其作了简要的评价,并展望了编码的发展前景。     

应用生物信息学分析大米过敏原RAG1的B细胞表位(英文)

[目的]预测大米主要过敏原RAG1的二级结构及B细胞表位。[方法]从Expasy蛋白质数据库中获得编码大米过敏原RAG1的氨基酸序列并以此氨基酸序列为基础,通过DNAStarProtean软件,采用Gamier-Robson方案、Chou-Fasman方案和Karplus-Schulz方案预测RAG1的二级结构,用Kyte-Doolittle亲水性方案、Emini表面可及性方案、Jameson-Wolf抗原性指数方案综合预测RAG1的B细胞表位。[结果]对大米过敏原RAG1的二级结构和B细胞表位预测的结果表明,第33～44、119～129、155～163区段可能是B细胞的优势表位。[结论]本研究综合应用多方法多参数预测大米过敏原RAG1潜在的B细胞优势表位,为RAG1B细胞表位的进一步鉴定及其抗原性改造、表位疫苗设计等研究提供了理论依据。     

应用生物信息学分析大米过敏原RAG1的B细胞表位

[目的]预测大米主要过敏原RAG1的二级结构及B细胞表位。[方法]从Expasy蛋白质数据库中获得编码大米过敏原RAG1的氨基酸序列并以此氨基酸序列为基础,通过DNAStar Protean软件,采用Gamier-Robson方案、Chou-Fasman方案和Karplus-Schulz方案预测RAG1的二级结构,用Kyte-Doolittle亲水性方案、Emini表面可及性方案J、ameson-Wolf抗原性指数方案综合预测RAG1的B细胞表位。[结果]对大米过敏原RAG1的二级结构和B细胞表位预测的结果表明,第33～441、19～129、155～163区段可能是B细胞的优势表位。[结论]该研究综合应用多方法多参数预测大米过敏原RAG1潜在的B细胞优势表位,为RAG1 B细胞表位的进一步鉴定及其抗原性改造、表位疫苗设计等研究提供了理论依据。     

环境监测中多传感器数据融合研究

[目的]针对环境监测中单一传感器测量数据精度低、可靠程度低的问题,本文提出在无线传感网络监测系统中,通过改进自适应加权融合算法并利用模糊神经网络算法实现多传感器数据融合,来提高环境监测的准确性。[方法]基于多传感器同一时段采集的数据,先采用欧式距离及相关函数改进的自适应加权算法进行同质传感器数据融合,再设计模糊神经网络分类器把异质传感器的数据转化为环境质量等级信息。[结果]仿真实验显示出本文提出的同质传感器数据融合算法融合精度较高于其他几种算法、模糊神经网络算法通过对350组训练样本的学习后能够对96%的验证样本的环境等级进行正确分类且预测曲线基本可以拟合实际输出。[结论]本文的同质传感器数据融合算法提高了数据融合精度,异质传感器数据融合算法能够对整体环境质量得出较可靠的评价。     

基于K-means聚类+灰色理论+BP神经网络的区域天然气长期需求预测

【目的】不同区域影响天然气需求量的因素存在差异,数据集包含的数据特征也不尽相同,同时天然气长期需求预测存在样本数据少的问题,因此较难构建各区域通用的需求预测模型。【方法】选取山东省11个地级市为研究对象,根据天然气年度消费量、GDP、人口等影响天然气需求量的主要因素,将多个地区、多时间跨度的数据作为总样本库,使用皮尔逊相关系数对样本特征进行初筛,利用K-means聚类算法对各样本数据进行聚类,选取能源消费结构相似的3个样本点,并将样本点对应的下一时间点的天然气需求量作为数据样本的新特征;同时,将灰色理论预测输出结果作为BP神经网络的输入样本,基于新的样本数据特征与BP神经网络构建组合预测模型。【结果】基于K-means聚类+灰色理论+BP神经网络的预测方法有效利用了相似能源结构的城市天然气历史需求量,并结合灰色理论预测模型在小样本数据上鲁棒性高的优点,预测得到山东省11个地级市天然气长期需求预测的平均绝对百分比误差为0.57%～6.41%。与传统的灰色理论预测模型、BP神经网络模型、K-means聚类+BP神经网络相比,新预测方法在模型误差、预测结果的稳定性方面均有明显改进。【结论】新...     

卷烟劲头的BP神经网络模型预测

[目的]科学地评价卷烟配方中劲头的大小,通过建立BP神经网络模型预测卷烟劲头。[方法]以烟叶游离烟碱百分含量、总烟碱百分含量、结合态烟碱百分含量、游离烟碱占总烟碱比率和水浸液p H作为BP神经网络的输入,感官劲头作为输出,网络训练前对输入指标作归一化处理,然后通过训练样本数据对网络进行充分的训练,获得适宜的参数矩阵,得到卷烟劲头的网络预测模型,最后用训练好的网络模型对检验样本数据进行预测。[结果]卷烟配方中劲头大小的预测值与实际值相对标准偏差小于5%,达到了较好的预测结果。[结论]建立了卷烟劲头的BP神经网络预测模型,该模型对于预测卷烟劲头具有指导意义。     

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。     

蜜蜂TPI基因克隆与生物信息学预测(英文)

[目的]克隆蜜蜂(Apis mellifera)TPI基因,并进行生物信息学预测。[方法]利用电子克隆方法获得蜜蜂磷酸甘油醛异构酶(Triosephosphate isomerase,TPI)基因,并采用生物信息学方法对该基因编码蛋白的等电点、疏水性/亲水性、二级结构等进行了预测。[结果]蜜蜂TPI基因全长为1768bp,具有完整的开放阅读框架(ORF),所编码蛋白的等电点为8.515。二级结构预测表明TPI蛋白属于α/β蛋白。[结论]利用蜜蜂表达序列标签数据库(EST)电子克隆蜜蜂新基因的研究工作有一定的现实意义,为进一步在分子水平研究蜜蜂提供更多的参考。     

浦江县褐飞虱预测预报模型选择与优化

[目的]探讨更适用于现阶段的褐飞虱预测预报模型。[方法]利用浦江县2001—2016年褐飞虱的观测数据和气象数据,采用传统的逐步回归方法和BP神经网络方法,分别建立了褐飞虱发生高峰期预测预报模型。[结果]逐步回归预测模型选用的建模因子为5月上旬最高温、9月上旬湿度和6月下旬雨量,模型的预测准确率不高;BP神经网络预测模型的建模因子为始见日后40 d的平均温、最高温、最低温、雨量、湿度,模型的预测准确率达99.22%。[结论]该研究结果为今后褐飞虱预测预报模型的选择提供了参考。     

基于MATLAB神经网络的温室草皮腾发量预测研究

[目的]明确基于MATLAB的BP神经网络预测温室草皮腾发量的可行性。[方法]在9月温室实测气象资料的基础上,对温室内的平均气温、相对湿度、光照强度和草皮日腾发量(ET)进行回归分析,建立了BP网络ET预报模型(BP-ET)。[结果]气温、光照强度与草皮腾发量呈显著正相关(P<0.05),相对湿度与草皮腾发量呈显著负相关(P<0.05)。BP神经网络模型具有极高的拟合精度,9月资料检验预报模型的平均相对误差为5.58%,模拟与检验均有很高的拟合精度。BP网络可以用于草皮日腾发量的预测,是对传统草皮日腾发量计算的补充。[结论]该研究为气象数据缺测条件下温室草皮日腾发量的估算提供了新思路。     

基于Elman神经网络的气温预测研究

[目的]建立预测气温动态变化的Elman神经网络模型。[方法]参考温度的固有特性,应用1951～2010年的重庆温度数据,采用Elman人工神经网络模型对温度进行预测估计。[结果]实证仿真结果表明,模型的相对误差较小,能够对未来气温变化进行较好的模拟。[结论]该模型预测结果可以用于指导农业生产,并可以进一步应用到天气衍生品定价等领域。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

基于遗传算法优化BP神经网络的小球藻生长模型的建立与应用

[目的]探讨用遗传算法优化BP神经网络对小球藻生长模型的建立与应用。[方法]使用遗传算法对BP神经网络的权值和阈值进行优化,并使用该网络模型,以小球藻培养时间和残余葡萄糖为输入,菌体光密度值（OD680）为输出,对小球藻在500 L多功能生物反应器中的生长情况进行了建模,还探讨了该模型的应用情况。[结果]经过遗传算法优化的BP神经网络,其泛化值的误差平方和比BP神经网络的小,因而预测值更加接近实际值。t检验表明,所建立的模型是可信的。验证表明,该模型具有良好的拟合度,能够很好地描述在500 L多功能生物反应器中培养的小球藻的生物量（OD680）与残余葡萄糖和培养时间之间的关系。[结论]所建立的模型可用于试验结果的预测,对小球藻的培养控制具有指导意义。     

风速风向的解算方法研究

首先分析了影响广东省第三产业发展的主要因素，指出由于上述因素相互制约、相互影响，导致第三产业的发展呈现出高度的非线性特征，并使得单一的预测模型在预测效果和泛化能力方面难以胜任.在此基础上，提出了基于神经网络集成的组合预测模型，对广东省第三产业的发展进行预测，阐述了算法的基本原理和数据处理流程，实证分析表明：基于神经网络集成的组合预测模型要比单一预测模型的预测精度高.     

基于粒子群的支持向量机SVR冰情预报研究

[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。     

低场核磁共振结合多元校正对休闲豆干水分含量的快速测定

[目的]采用低场核磁共振仪对休闲豆干样品进行测量获取横向弛豫数据,结合多元校正方法对水分含量进行快速测定。[方法]使用直接干燥法测定豆干水分含量,测得的结果作为化学值。运用偏最小二乘(PLS)和误差反向传播人工神经网络(BP-ANN)方法结合豆干样品的核磁共振数据与化学值建立多元校正模型,实现对豆干水分含量的快速测定。[结果]对于PLS与BP-ANN方法,校正集样品的水分含量预测值和化学值之间的相关系数分别为0.923 5和0.917 6,校正均方根误差分别为0.027 2和0.028 1;预测集样品的水分预测值和化学值之间的相关系数分别为0.918 9和0.921 5,预测均方根误差分别为0.024 8和0.022 3。[结论]2种方法都能快速而准确地对休闲豆干的水分含量进行预测。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。