渔业水域污染死鱼的ANN识别模型的建立

本文应用人工神经网络（ANN）方法，对渔业水域污染死鱼特征进行提取，建立了导致污染死鱼的毒物类型的识别模型，其人工神经网络结构选输入层18个神经元，中间层9个神经元，输出层为1个神经元，并对网络参数的优化进行讨论。结果显示通过运用已训练好的渔业水域污染互鱼的B-P人工神经网络识别模型，只要通过简单的加法和乘法运算，就可以对任何一例污染死鱼的实际样本进行死鱼原因的判断，该方法具有较好的适用性和较高的实用性。     

中毒死鱼鉴别的方法鱼病死鱼与化学物

鱼类的死亡可能有多方面的原因,最主要的有鱼病死鱼和化学物中毒死鱼.由于各类工业废水及城市生活污水排入江、河、湖、塘,严重污染了渔业水域,渔业污染事故接连发生,渔业资源受到了严重破坏.因此,正确区分鱼病死鱼与化学物中毒死鱼,以便及时采取有效措施减少因死鱼而造成的损失,显得越来越重要.     

广州渔业水域污染事故调查处理的现状及建议

广州市渔业水域污染事故频发,污染成分和原因复杂,流域性污染、跨行政区域污染的增多,给当地渔业生态环境、渔业资源和养殖业均造成了一定的损害和损失。同时,渔业水域污染事故管理主体不清晰,调查处理力量较薄弱,调查取证困难,造成渔业污染事故调查处理不易顺利开展。通过对广州市渔业水域污染以及渔业水域污染事故调查处理的现状进行分析,探讨如何快速响应渔业水域污染事故调查,依法依规处理渔业水域污染事故,并提出了在渔业水域污染事故调查处理方面应加强组织领导、强化监督执法、完善监测体系和加强培训演习的建议。     

基于近红外光谱的纽荷尔脐橙产地识别研究

【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙果实品质和市场效应具有较大差异。研究基于近红外光谱技术的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000-2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别,确定当种群数量为200、遗传代数为100、交叉概率0.7、突变概率0.01时,遗传算法选择出最优的基因子集进行产地识别,遗传算法-支持向量机模型的产地识别精度最高可达89.72%,优于人工神经网络分类模型和支持向量机分类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进行产地识别测试,得到对应的最高识别精度分别为80.00%和69.00%。【结论】遗传算法-支持向量机模型对果汁反射近红外光谱进行产地识别精度最高,优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱,因此,可利用赤道部的反射光谱实现非破坏性果实产地分类识别。     

渔业污染事故损害评估方法与应用案例

针对国家标准《渔业污染事故经济损失计算方法》（GB/T 21678—2018），本文对各评估方法进行了分类说明和解析，明确了各方法的适用范围与使用优先级，进而选取中国21世纪初至今发生的渔业水域污染事故典型案例，对标准中各评估方法的具体应用作了介绍和说明，以期为今后的渔业污染事故损失评估提供参考。     

浅析渔业水域污染与渔业养殖生产

随着现代社会经济的快速发展，各种污染随之接踵而来，水体污染更是严重至极。在我国的东部大部分地区，比较大的水体都有渔业养殖，伴随渔业水域的污染，渔业养殖生产也出现了各种各样的问题。本文根据作者的多年的工作经验，就新时期山东省渔业水域污染与渔业养殖生产问题进行了深入的探讨。     

鱼类常见死因及预防

由于农田灌溉和潮涨潮落,河水频繁流动,鱼池中污染水源流入机会增多,或鱼池自身污染加上天气突变,都会引起死鱼。为了使养殖户在日常生产、管理中准确识别鱼类的死因,并及时采取措施防止死鱼的发生，现介绍几种情况下死鱼的诊断及预防方法：     

我国渔业水域污染特征与渔业资源评估方法

通过梳理近年来我国渔业水域污染事件,探索渔业资源评价方法,为维护渔业生态资源可持续利用提供理论依据。     

基于MATLAB 6.x的BP人工神经网络的土壤环境质量评价方法研究

对基于MATLAB 6．x的BP人工神经网络工具箱进行了简要的介绍,并将BP人工神经网络应用到土壤环境质量现状评价中。编制了基于MATLAB 6．x土壤环境质量评价程序,并对影响评价结果的训练集的构建、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。结果表明,用随机函数rand或线性函数linspace内插生成网络的训练集是可行的,BP网络隐层的传递函数为tansig。神经元数量为5（用rand函数生成训练集）或8（用linspace函数生成训练集）,输出层的传递函数为purelin,神经元数量为1。训练集中加入一定的噪声更有利于提高网络的识别能力。在此基础上,将构建的网络应用到实际土壤环境质量评价中,并将评价的结果与其他评价方法得出的结果进行了比较,表明BP人工神经网络应用到土壤环境质量评价中是切实可行的。     

基于模糊BP神经网络的苏南Y湖水质评价

以苏南Y湖水环境为研究对象,运用模糊神经网络进行水质评价,根据评价结果进行该湖不同水域的水质比较.结果表明：该湖水体溶解氧和化学需氧量在5种不同水域具有显著性差异,两者均以中湖、东湖和湖内围网区为最高,上游河流最低;而水体氨氮、总氮和总磷含量在各水域均没有显著性差异.建立以上述5个水质指标为输入变量、包含3个神经元的隐含层和1个水质类别输出结果所组成的BP人工神经网络,经学习训练后,其可掌握水质类别特征,具备完全正确识别样本的能力.从BP网络输出结果和模糊BP神经网络计算结果可知,该湖各水域水质处于Ⅳ和V类之间,总体来说西湖的水质最好,上游河流次之,其次为湖内围网区和东湖,湖中最差.相比BP网络输出结果,模糊BP神经网络计算结果可以更简单明了地表示该湖各水域水质接近于某类标准水质的程度.     

神经网络在精准农业中的应用研究进展

简单论述了人工神经网络的基本结构和原理,总结了人工神经网络在精准农业的应用,重点介绍了人工神经网络在农作物产量预测和虫害预测方面的应用,简略介绍了人工神经网络在农业智能专家系统、农作物生长方面的应用,并对人工神经网络在精准农业的应用前景进行了展望。     

拖拉机变速箱齿轮故障诊断智能软件的设计与实现

人们在采用人工神经网络进行智能信号处理时,需要较深入学习人工神经网络的理论。为解决这个问题,该研究设计了一种"傻瓜型"的神经网络智能信号处理软件,使用该软件,可以降低神经网络应用于智能信号处理的门槛,推进智能信号处理在拖拉机变速箱齿轮故障诊断方面的应用。     

基于改进AFSA的路面不平度时域估测

为提高根据车辆动力学响应建立路面不平度时域模型的精度,对RBF神经网络的设计、输入神经网络的动力学响应参数和汽车车体测量点的位置进行了研究。基于拉格朗日第2方程建立了车身任意位置的5自由度振动模型,以滤波白噪声法建立的路面时域激励为车辆激励的输入和神经网络的理想输出,采用改进的人工鱼群算法(AFSA),针对车身测量点距质心的距离、待测量的动力学响应参数的类型和RBF神经网络的扩展系数建立了优化分析模型。提出了2种需测量的车辆动力学响应参数方案,以及各方案下车身测量点的具体位置。研究结果表明,2种方案的路面不平度时域激励估测精度均高于0.99。     

输气管道内腐蚀速度BP神经网络预测模型

人工神经网络是模护人脑神经元结构、特性和大脑认知功能而构成的新型信号、信息处理系统。利用实验获得的输气管道在气相或液相中含有H2S、CO2、缓蚀剂浓度与其所导致的内腐蚀速度值，采用Levenberg-Marquardt算法建立了输气管道内腐蚀速度BP神经网络预测模型。利用该模型对输气管道内腐蚀速度进行了预测，取得了比较满意的效果。     

人工神经网络在林业中的应用现状与趋势

通过概述人工神经网络的概念和常用模型,对人工神经网络在林业资源管理和动态监测、森林植被和立地分类与识别、森林灾害预防和森林生态系统评价中的应用现状进行综述,并对人工神经网络技术在林业中的应用趋势进行探讨.     

模糊推理与神经网络、遗传算法在系统预测中的应用

近年来，原来并没有什么必然联系的模糊理论和人工神经网络有了较多的结合．这是由于在模糊系统设计涉及到的3个问题：第一，模糊规则的选取}第二，模糊概率函数（隶属函数）的确定；第三，模糊决策算法的决定．这在有些系统中并不是十分明确的，而人工神经网络却不需要人为干预，而只需通过实际输入、输出数据的学习即可得到其决策．但是人工神经网络也有其缺点，它不够稳定，单独使用确定度不是很高，而且神经网络中所使用的BP算法有其限制性，只能得到局部最优解． 因此，我们将模糊理论与神经网络相结合，根据其预测值与实际值的误差选取适当的权重，建立二者对预测结果的影响关系的模型，用于系统预测．在神经网络中，把BP算法和遗传算法结合起来，得到全局最优解．     

基于BP神经网络的大型水轮发电机定子铁心的温度预测

阐述了神经网络ＢＰ模型和算法，构造了大型水轮发电机定子铁心背部温度预测的神经网络模型，并将计算结果与实测结果作了比较，结果令人满意。     

混合神经网络响应面调度法在渔船协同论证中的应用

根据响应面法近似计算在多学科优化中的特点,针对普通神经网络构造响应面方法存在的主要问题,将遗传算法和神经网络结合,设计出混合神经网络并构造了协同优化算法的响应面,在任务调度模块的支持下,可以自主地选择近似和精确计算。采用混合神经网络调度法对玻璃钢拖网渔船进行技术经济论证,结果表明,该方法能够提高优化结果的效率和鲁棒性。     

人工神经网络在现代农业园区机械化程度综合评估中的应用

通过将人工神经网络应用于现代化农业园区机械化程度的综合评估,介绍了神经网络的评估原理,建立了农业园区机械化程度的评估模型。并用计算实例表明此种方法还具有较好的可靠性