基于粗糙集理论和BP神经网络的粮食产量预测方法

结合粗糙集理论和BP神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络的系统模型,并在此基础上用于粮食产量预测。仿真结果表明,该模型较之传统的预测方法显著地提高了预测的速度和精度,在实际中有着良好的应用前景。     

一种网络安全数据库在植保机系统中的应用

针对我国现有植保机只能进行农药喷洒，并不能对病虫害进行预警而解决农作物病虫害的问题，对网络安全数据库在植保机系统的应用进行了研究。所设计的植保机DNN门户内容管理系统主要包括3层，分别为客户端、网络服务端和数据库端。为了使植保机系统可以根据数据库的数据对病虫害进行预警，同时保证数据库数据的安全，建立了粗糙集和BP神经网络的预警模型，包括采用粗糙集进行数据的预处理，并采用BP神经网络建立预警模型。为了验证植保机的DNN门户内容管理系统的有效性，利用采集到的样本对系统的运行进行了训练、验证和测试，结果表明：系统可以有效地对植物病虫害问题进行预警。     

基于粗糙集与BP神经网络的发动机故障诊断模型

结合粗糙集理论和神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络相结合的发动机失火故障诊断模型。通过对EQ6102型发动机的实际试验表明,模型简化了网络训练样本,优化了神经网络结构,提高了系统运行效率。     

人工神经网络在葡萄霜霉病预测中的应用

近年来,人工神经网络模型开始逐渐应用于植物病虫害的预测预报中,并取得了良好效果,已成为植物病虫害预测预报的新途径.为此,以温度、相对湿度、累积降雨量及累积降雨日作为预测因子,以葡萄霜霉病的感病指数为预测目标,利用人工神经网络的BP算法建立了葡萄霜霉病预测模型.以陕西杨凌地区2004年和2006年的数据作为BP网络的训练资料,对2007年霜霉病的流行状况进行预测,预测的变化趋势与该年霜霉病实际的流行趋势吻合.由此证实,利用神经网络建立葡萄霜霉病预测模型是可行的.     

粗糙集理论在葡萄病害方面的应用

粗糙集是一种用途广泛的软计算方法,继概率论、模糊集、证据理论之后的又一个分析和处理不确定性、不完备信息的有效工具.为此,基于粗糙集理论的Pawlak模型,以葡萄3种病害(真菌类病害、细菌类病害、病毒类病害)为例建立知识库,对知识库进行知识约简,从而得出诊断规则,建立葡萄病害诊断模型进行诊断,从而达到预防和提高产量的目的.     

基于粗糙集和神经网络在小麦病害诊断中的应用

针对小麦病害诊断过程的复杂性以及处理信息的不确定性,综合了粗糙集理论与BP神经网络的各自优势,构建了小麦病害诊断模型。首先是对连续的样本数据进行离散化,主要采用差别矩阵计算方法进行启发式知识约简,得到最小简化规则,然后把约简结果作为BP神经网络的输入结点。实验结果表明,采用该方法不仅优化了神经网络的拓扑结构,还降低了神经网络的训练时间,同时大大提高了学习速度和故障诊断的准确率。     

粗糙神经网络在施肥决策系统中的应用

针对施肥过程中普遍存在的非线性和不确定性问题,构建了基于粗糙集理论和神经网络相结合的施肥决策系统模型。该方法应用粗糙集理论对神经网络的输入数据进行预处理,提取其中的关键成分作为神经网络的输入,提高网络的收敛速度和逼近速度,并以芸豆在同一农田重复进行种植的实验数据进行验证。结果表明,此模型不仅较公平、合理,而且提高了神经网络模型的学习效率。     

基于GA-LSTM的酿酒葡萄霜霉病预测方法研究

随着我国贺兰山东麓地区葡萄园的大量兴建和大规模引种,各个葡萄园内出现了以霜霉病为典型的严重的病虫害问题。针对目前酿酒葡萄霜霉病精确预测手段缺乏的问题,提出一种基于遗传算法改进长期和短期记忆神经网络的预测模型。将遗传算法(GA)加入长短期记忆神经网络(LSTM)预测模型的参数调节环节中,通过优化算法代替人工手动调参在超参数搜索空间中不断迭代得到最优超参数组合最终确定模型。再建立基于霜霉病—气象时序数据的手动调参LSTM模型和BP神经网络模型,将三种模型在测试集上进行对比试验。GA-LSTM模型的预测结果均方根误差、均方误差、平均绝对误差分别为0.410 3、0.168 4、0.245 0,均小于LSTM模型和BP神经网络模型。预测结果表明LSTM在时间序列问题的应用中预测性能优于BP神经网络模型,使用遗传算法对LSTM模型的超参数选择环节进行优化,最终得到的超参数组合优于手动调参的LSTM模型得到的超参数组合。     

玉米秸秆热裂解产物产率预测分析

以影响热裂解液化过程的因素(输入功率、压差、氩气流量和进料率)为网络输入,热裂解液化产物为网络输出,应用BP神经网络模型法对玉米秸秆热裂解液化产物产率进行了预测分析,并将预测结果与非线性回归分析法进行了比较分析.结果表明,采用BP神经网络模型预测输出值与试验值间的相对误差总体上在5％之内,说明模拟预测的效果较好.对BP神经网络模型法与非线性回归方法的预测结果对比分析显示:在试验数据范围内,BP神经网络模型对玉米秸秆热裂解3种产物产率的预测值更接近试验值,计算精度比非线性回归方法略高.     

葡萄病害诊断BP网络模型关键问题研究

针对葡萄病害诊断BP网络模型建立和应用中的领域知识编码方法、BP网络基本要素和网络应用等关键问题提出了解决方案。研究了以二进制编码为理论基础上的动态编码方法,对知识库实际存储的诊断参数进行实时编码,累计诊断参数编码位数作为输入层神经元个数,采取n中取1的策略确定网络输出。通过定义症状相似系数,反映实际诊断症状与训练样本症状的相似程度。上述方法应用在葡萄常见的16种病害诊断中,取得了满意效果。