基于RBF神经网络的农田土壤含盐量预测

介绍了径向基函数神经网络的原理、训练算法,并建立了基于径向基函数神经网络的农田土壤含盐量预测模型.通过实例验证,该模型具有较强的非线性处理能力和逼近能力,运算速度快,性能稳定,预测精度较高,泛化能力强,可用于生产实践中.     

RBF神经网络方法在水质评价中的应用

就径向基函数人工神经网络(RBF)在水质评价中的应用做了探讨。分别从网络结构的选择、可调参数的优化方法和学习样本的代表性3方面作了详细的分析、阐述,并提出了一些解决办法,为RBF网络在水质评价中的应用提供了一定的参考材料。最后以博斯腾湖为例,利用RBF网络建立水质评价模型,模型评价结果趋势基本符合实际,效果较好。     

基于RBF神经网络的种猪体重预测

针对猪体生长参数之间具有一定的自相关性、部分参数与体重间呈非线性关系、通过线性回归模型预测猪体体重存在着自变量间共线性及拟合优度较低等问题,以52头长白母猪的生长参数为基础,通过最近邻聚类算法,构建了基于RBF神经网络的种猪体重预测模型。通过线性回归检验法对种猪体重预测值与实测值进行分析,发现基于RBF神经网络的长白种猪体重预测模型的拟合优度R2为0.998,而线性回归模型的R2为0.891。结果表明：通过RBF神经网络方法建模,消除了线性回归分析中自变量的共线性问题,预测效果优于线性回归模型。     

河流健康评价体系研究

在河流健康内涵分析的基础上,针对河流的自然功能、生态环境功能和社会服务功能,根据河流的基本特征和个体特征,建立由共性指标和个性指标构建的河流健康评价指标体系,并提出由河段至河流整体的评价方法。以西江为例,对建立的指标体系、评价方法进行了验证应用。成果为河流健康的定量评价、促进河流的科学管理提供科学依据。     

RBF神经网络在机电设备故障诊断中的应用

为提高机电设备故障的判断能力,实现设备故障诊断智能化,根据机电设备故障诊断的特点,介绍将RBF神经网络技术应用于机电设备故障诊断系统的基本原理及方法,详细分析该技术在机电设备上的实现过程,并以机电设备故障诊断为例,验证该方法的有效性.     

RBF神经网络在机电设备故障诊断中的应用

为提高机电设备故障的判断能力,实现设备故障诊断智能化,根据机电设备故障诊断的特点,介绍将RBF神经网络技术应用于机电设备故障诊断系统的基本原理及方法,详细分析该技术在机电设备上的实现过程,并以机电设备故障诊断为例,验证该方法的有效性。     

BP和RBF神经网络在水轮机非线性特性拟合中的应用比较

利用神经网络对水轮机综合特性曲线进行数据处理和延伸,不必建立具体的函数关系表达式,就可对已知的离散数据进行拟合。并且还可以结合边界约束条件对未知区域内的数据进行预测,从而提高了水轮机综合特性曲线数据处理的工作效率和数据精度。分别介绍了用BP神经网络和RBF神经网络对水轮机综合特性曲线数据处理和延伸的方法。并采用一机组的样本数据进行训练,比较2种方法的训练结果得出结论。     

河流生态环境健康评价方法研究

阐述了河流生态健康的涵义，探讨了国内外河流生态健康评价方法。在此基础上提出了以水文、水质、水生生物、河流形态结构和河岸带为要素的河流生态健康评价指标体系，以层次分析法为基础，建立评价指标因素集；评价指标的无量钢化；确定指标权重，得出河流生态系统健康评价的综合指数为。并以海河水系为例进行了分析研究，结果表明海河生态处于不健康状态。     

灰色动态模型群法在河流水质预测中的应用初探

在对原始数据序列对数变换的基础上，依据灰色系统理论，构造了由6个GM（1，1）模型组成的灰色动态模型群，并用于淮河干流枯水期氨氮浓度变化趋势预测。研究表明，灰色动态模型群法能够充分利用近期水质资料信息预测水质变化趋势；相对单个GM（1，1）模型，灰色动态模型群法能有效改善随机波动数据序列的拟合效果，提高预测精度。     

河流生态环境需水及其健康评价研

将河流生态环境需水分为河流基本生态需水量、河流水污染防治需水、河流水面蒸发生态需水量、河流输沙需水,讨论了实现河流各项功能目标的各部分估算方法;提出了河流生态环境需水的阈值确定原则和方法,以及生态系统健康评价指标和评价标准;为河流健康评价提供了理论依据,对于提高河流健康评价的有效性及河流综合管理能力具有重要意义。     

RBF网络在西安渭滨地下水位埋深预测中的应用

基于径向基（RBF）神经网络建模,对西安市渭滨地下水水源地的地下水位埋深进行了模拟和预测。将降雨、径流和人工开采量作为输入变量,对研究区域内的潜水和承压水位埋深分别进行预测。1984—2001年的数据用于径向基网络模型训练,2002-2005年的数据用于模型的验证,最后对2006—2023年共18年的地下水位埋深进行预测。结果表明,径向基神经网络模型对20年左右的数据序列有较好的预测效果,且根据降雨、径流和开采量,能较准确的预测地下水位埋深。     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

棉叶螨发生趋势的RBF网络预报模型

采用RBF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、相对湿度和降雨量,建立了预报新疆石河子地区的棉叶螨发生程度的RBF神经网络预报系统.该系统通过实例证实了预报的准确性,并且与常用的BP网络进行了比较.通过程序记时显示RBF网络训练用时0.079 s,比BP网络训练所需的时间要短得多.因此RBF神经网络具有很好的实用价值,为虫情预报系统提供了新思路、开辟了新途径.     

基于RBF神经网络的农机企业顾客满意度测评研究

提出一种基于RBF神经网络的农机企业顾客满意度测评模型,它是一种典型的局部逼近神经网络,可快速完成对样本的学习与拟合,对于数据较多的情况非常适用。网络最终测评结果较BP神经网络更有效、更准确。实例证明该神经网络测评模型收敛速度快、预测精度高,为农机企业顾客满意度测评提供了实用的方法。     

基于RBF的电液变量施肥控制系统PID参数整定

电液变量施肥控制系统的非线性和PID算法的局限性,导致常规PID控制已不能满足控制系统性能要求。为此,提出了基于RBF神经网络整定PID参数的方法,利用自适应RBF神经网络辨识被控对象Jacobian信息,采用梯度下降法计算PID参数Δk_p、Δk_i、Δk_d,对系统进行增量式PID控制。与采用增量式PID的系统阶跃响应曲线对比可知,利用RBF-PID算法的系统具有良好的动态性能及较强的自适应性。     

基于RBF神经网络马尔可夫模型的降水量预测

降水量预测是制定抗旱防涝对策的重要依据,其预测方法是科学准确预测降水的重要手段.为提高降水量预测的精确度,应用RBF神经网络与马尔可夫相结合,建立R-M降水量预测模型,介绍了它的基本原理及算法,并给出了该模型建立的具体过程,最后将该模型应用于降水量预测工作中,实例验证结果令人满意.     

基于径向基函数神经网络右江灌区有效灌溉面积的预测

根据人工神经网络的理论和方法,建立径向基函数神经网络模型,以右江灌区的统计数据为例预测该灌区的有效灌溉面积,结果表明模型有较强非线性处理能力和逼近能力,具有学习时间短,预测精度高,适应性强等优点。     

基于RBF神经网络的混合输入机构自适应控制

提出一种伺服电动机对常速电动机运动进行闭环跟踪的控制策略,控制伺服电动机的运动,以实现对常速电动机速度波动的补偿.由于系统精确模型难以获得,设计了基于名义模型的径向基函数网络自适应控制器,进行混合输入机构轨迹的跟踪,应用径向基函数(RBF)神经网络对系统中摩擦、外部扰动和动力耦合等不确定因素的和进行逼近,网络输出权值由自适应算法学习确定,并对该控制器进行稳定性分析.仿真结果表明,所设计的控制器稳定有效, 具有较强的鲁棒性.