基于RBF神经网络的土壤分类设计

为了提高土壤遥感图象分类精度,把径向基函数（Radial Rasis Function,RBF）神经网络应用到遥感土壤分类系统,并基于MATLAB平台仿真模拟。仿真结果表明,经过训练的RBF神经网络可有效识别土壤特征,实现自动土壤分类。     

基于RBF神经网络的土壤含水量传感器标定方法

土壤含水量时空变异对作物生长、农田气候变化等领域的研究具有重大意义。为了克服TDR-3土壤水分传感器输出电压的非线性缺点,提高土壤含水量数据采集以及计算效率,将TDR-3土壤水分传感器与无线传感器网络结合,提出了土壤水分含量的RBF神经网络标定方法。结果表明,该法能取得较好的标定效果,且操作简单、实用、可行,为土壤含水量的实时监测提供了一种有效的方法。     

基于RBF神经网络的土壤含水量传感器标定方法(英文)

土壤含水量时空变异对作物生长、农田气候变化等领域的研究具有重大意义。为了克服TDR-3土壤水分传感器输出电压的非线性缺点,提高土壤含水量数据采集以及计算效率,该研究将TDR-3土壤水分传感器与无线传感器网络结合,提出了土壤水分含量的RBF神经网络标定方法。以20个带标号的水杯作为承载砖红壤土和水的载体,对其中的样本进行数据采集,经多次测量取平均值。为验证标定算法的准确性,同时列举出以土净重、加水质量、水分含量TDR-3测量值为属性,以测试水土比值为目标训练样本,以RBF神经网络为标定算法的拟合结果。为了更直观地展示试验结果,以散点图方式分别展示水分含量TDR-3测量值与实际水土比的TDR-3土壤水分含量曲线;水分含量TDR-3测量值与RBF神经网络拟合水土比的RBF神经网络拟合土壤水分含量曲线;以及实际水土比与RBF神经网络拟合水土比的散点图。为验证RBFNN拟合水土比值的相关性,引入皮尔逊相关系数。5次试验,得到5组皮尔逊相关系数,分别为0.9745,0.9832,0.9798,0.9804及0.9789,都接近于1,说明真实测试数据与拟合数据相关性很强,且为正相关关系。可见,该法能取得较好的标定效果,并且简单、实用、可行,为土壤含水量的实时监测提供了一种有效的方法。     

基于BP神经网络的土壤养分空间插值

以广东省增城市为研究对象,采集全市内200个土壤样点,利用BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根.结果表明,BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应.BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法.     

基于RBF神经网络的城市需水量预测研究

鉴于RBF神经网络强大的非线性逼近能力及能够避免陷入局部最优的特点,建立了基于RBF神经网络的城市需水量预测模型,为提高神经网络的收敛速度及精度,利用退火遗传算法对网络进行了优化,并以天津市的城市需水量预测为例,进行了实例研究。     

基于克里格插值的兰州市土壤全氮和有机质空间变异研究

用普通克里格法对兰州市土壤全氮和有机质的空间变异趋势及分布规律进行了分析.结果表明,土壤表层全氮和有机质的含量分布具有较高的空间变异性,且变异趋势较为一致.土壤全氮和有机质高值区主要分布在中偏南部分地区,且存在高度相关性.     

基于ArcGis的耕地土壤养分最优插值方法

本研究以江西省万年县耕地为研究对象,采用逆距离权重法、普通克里金插值法和协同克里金插值法对土壤养分进行空间插值。借助平均预测误差(ME)和均方根预测误差(RMSE)指标对3种插值方法的精度进行比较,根据结果做出精度检验排序,得出协同克里金插值法为最优插值方法。     

基于RBF神经网络的混合气体智能检测系统研究

基于传感器阵列和神经网络构造智能系统用于检测混合气体的低质量分数.传感器阵列获取质量分数为1×10-6～5×10-6范围的H2,C2H4,C2H2混合气体响应和质量分数为5×10-5～3×10-4范围的CO响应.通过RBF神经网络学习改善低质量分数混合气体检测的灵敏度.把传感器响应作为神经网络输入,神经网络输出为H2,C2H4,C2H2和CO的质量分数.实例分析表明,系统能较好地克服低质量分数混合气体检测过程中普遍存在的交叉灵敏度,得到满意的检测结果.     

基于RBF神经网络的桥梁损伤责任评价系统设计

为了能够在发现桥梁损伤后,快速计算各工程单位应承担的责任比例,从而筹集维修基金,及时维修桥梁,应用RBF神经网络开发了桥梁损伤责任评价系统。首先收集国内100个桥梁的损伤案例,然后请资深专家对各单位责任做出评估,获得了12输入12输出的训练矩阵。通过训练,RBF神经网络获得了良好的评价精度,可以对专家的推理逻辑进行仿真,向各责任单位分摊维修经费。该系统对诊断桥梁病害、保证桥梁安全运营有较好的促进作用。     

杜马斯燃烧定氮法快速测定土壤中全氮的方法研究

[目的]本文通过对比杜马斯燃烧定氮法和凯氏定氮法测定土壤中全氮的试验结果,对杜马斯燃烧定氮法测定土壤中全氮的分析方法进行评价。[方法]以土壤中全氮为研究对象,分别用杜马斯燃烧定氮法和凯氏定氮法进行分析测定,并对2种分析方法的试验结果进行比较分析。[结果]杜马斯燃烧定氮法测定土壤(国家标准物质)中总氮试验结果均在标准物质证书示值范围内,且普遍略高于凯氏定氮法测定值,但2种方法不存在显著性差异(P>0.05)。[结论]杜马斯燃烧定氮法测定土壤中全氮的方法精密度和准确度完全能够满足实验室理化分析方法的要求,尤其快速、高效的特点特别适合土壤健康状况调查及等级普查时报告时间紧的批量大样品的测定。     

Spatial Interpolation of Soil Nutrients Based on BP Neural Network

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用 BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明, BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。 BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

MATLAB在RBF神经网络模型中的应用

本文介绍了RBF神经网络的基本原理及主要特点,并举例说明了基于MATLAB神经网络工具箱建立RBF神经网络模型及实现仿真的方法.     

基于主成分分析和RBF神经网络的水电工程造价估算研究

建立了基于主成分分析和RBF神经网络的水电工程造价估算模型,并运用MTLAB语言程序将其实现。实例表明,该方法可以使工程项目初期造价估算更合理、准确,给企业和决策者提供一种智能的估价方法。     

RBF神经网络在平顶山市地表水评价中的应用

为准确和客观地评价地表水环境质量状况,运用MATLAB软件中的神经网络工具箱,结合K均值聚类方法建立径向基函数网络,对平顶山市2004年市控5个地表水断面进行了环境质量评价。在评价前根据平顶山市的实际情况对训练样本范围进行更改,将训练和测试样本进行归一化处理,同时利用RAND函数对训练样本进行插值保证神经网络充分学习。结果发现,K均值聚类法能快速准确地确定网络中心,用建立的径向基函数网络进行地表水质量评价,其评价结果与单因子方法的评价结果一致,并且具有计算速度快、量化评价结果便于同类水质间互相比较的优点。     

基于径向基函数网络的变量施肥决策研究

应用RBF神经网络模型训练数据,进行施肥决策,并对神经网络训练的数据及其结果进行分析。结果表明,基于RBF神经网络建立的土壤养分、施肥量与产量之间的关系模型,具有较好的估计结果,可用于指导变量施肥。     

土壤环境质量评价的径向基函数神经网络的模型设计与应用

针对土壤环境质量评价缺乏精确客观的评价数值作为目标集的难点,研究了构建起对应升序排列的训练、检验样本集。在此基础上,定义以检验集输出评价结果的排序误排率作为判定各参数组合下RBF网络性能优劣的指标,以此性能指标为依据,在MATLAB6.5环境下,用编程语句实现了应用于该质评工作的径向基函数网络的大量参数组合的全面快速寻优,克服了目前用试凑法进行参数组合优选的随机性,确保所选参数组合为使整体性能最优的组合。利用确立的网络对象,以某地土壤重金属监测值为实例,对监测点进行质评,评价结果表明:该设计好的网络的评价结果科学、稳定、表达精度高。     

基于神经网络的心电分类器设计

设计了一种基于神经网络的心电分类器,该设计利用前向多层神经网络的反向传播算法,即BP算法,采用Matlab软件建立了用于心电信号分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络能分辨出正常和异常的心电信号。