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。     

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.     

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。     

基于径向基神经网络农机数量预测的研究

提出了利用径向基神经网络对农机数量预测的方法 ,通过选取合适的训练参数,径向基网络能够得到满足要求的预测结果,农机总动力、拖拉机数量、农具数量的误差平方和分别为0.0056、0.0470、0.2713。利用测试集对网络进行测试,农机总动力预测值与真实值的误差最大为-7.17%,最小为0.22209%。研究结果表明,径向基神经网络能有效提高预测精确度,较好地预测非线性条件下的农机数量,证明了实验方法的有效性和可行性,为人工神经网络在农业机械化的应用提供了一个新的途径。     

桐梓水库水质影响预测研究

为研究水库建成运行引起的水文情势变化对库区水质的影响,为工程的环境影响评价、环境保护对策措施的拟定等提供科学依据,采用湖库完全混合衰减模型对拟建的桐梓水库库区COD、BOD5浓度进行预测,并采用Dillon模型进行库区富营养化趋势预测。经计算,预测水平年库区枯水期COD、BOD5浓度分别为2.85、2.23mg/L,平水期分别为2.22、1.62mg/L,TP、TN浓度预测值分别为0.06、1.01mg/L。采用综合营养状态指数法分析得到水库将处于轻度富营养状态。为此,针对性提出了基于库区水质保护的水环境保护措施建议。     

基于神经网络的电动汽车SOC预测研究

电动汽车荷电状态(SOC)直接影响着车辆的续驶里程,是电动汽车综合性能中最为重要的参数之一。由于影响荷电状态的因素众多,而且车辆行驶工况复杂多变,难以构建精确的数学模型用于分析荷电状态变化规律。本文利用神经网络构建电动汽车SOC预测模型,并将影响SOC行车状态时的变化因素电池组电压以及车速作为重要参数输入模型对下一时刻的SOC参数变化进行预测,通过大量实验数据分析拟合计算表明本文建立的电动汽车SOC预测模型精度较高,能够用于SOC的预测分析,并为电动汽车提升综合性能提供参考意见。     

基于RBF神经网络的地下水动态预测

以内蒙古自治区巴彦淖尔市金泉工业园区为例,基于园区B248号长观井2001-2008年的地下水埋深资料,首先建立了地下水埋深RBF神经网络预测模型,而后对该模型的模拟结果作误差分析,并将相应值与BP网络模型进行对比。RBF神经网络模型和BP网络模型的最大相对误差分别为9.88%和19.67%,最大绝对误差分别为0.81和1.56,均方误差分别为0.19和0.98。显然,RBF神经网络具有较高的预测精度和较强的非线性映射能力。用上述训练好的RBF神经网络模型对研究区2009-2013年平水年条件下的地下水埋深进行预测,结果表明,研究区已出现地下水位持续下降的趋势。最后,根据地下水资源保护规划方案,在逐时段压缩地下水开采量10%的情况下,研究区2025年即可恢复到2001年的地下水水位值。     

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网络的双燃料发动机排放模型

建立了基于径向基函数（RBF）神经网络的天然气／柴油双燃料发动机的排放模型。并利用模型分析了各运行参数对发动机排放的影响。试验证明，该模型可以很好地预测双燃料发动机的排放指标。     

基于RBF神经网络的离心泵地脚螺栓松动故障诊断

为了准确识别卧式离心泵地脚螺栓松动故障,搭建了卧式离心泵机组诊断平台,采用电涡流传感器对离心泵转子位移进行监测.将采集的转子位移信号经过经验模态分解法(empirical mode decomposition, EMD)分解为多个固有模态函数(intrinsic mode function, IMF),对各层IMF频谱特征、相关系数及能量占比进行分析得到故障敏感分量.最后,通过径向基(radial basis function, RBF)神经网络对离心泵松动故障进行识别预测.结果表明：采用EMD方法可以有效提取出离心泵松动故障特征,IMF5—IMF8层可作为故障特征分量.通过将IMF5—IMF8层的相关系数和能量占比作为故障特征输入到RBF神经网络中进行识别,准确率可达95%.     

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。     

基于物联网的浮标水质监测系统与溶解氧浓度预测模型

为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。     

基于G-RepVGG和鱼类运动行为的水质监测方法

水质恶化会直接造成水产养殖产量下降,严重时会导致水产动物大量死亡,给养殖企业造成严重经济损失。因此对水产养殖中水质参数进行实时监测具有重要意义。本文以斑石鲷为研究对象,提出了一种基于鱼类行为的水质监测方法。该方法通过摄像机拍摄到的图像数据就可以非侵入地完成水质参数的实时监测,避免了安装复杂设备、对鱼类行为进行量化等繁琐过程。为了增加推理速度和降低模型参数量,通过将RepVGG block与GhostNet相结合构建了G-RepVGG模型,使该模型更适用于移动设备的部署。提出了计算量较少、推理速度快、更适合水质快速监测的Cheap Ghost操作和计算量大、精确率高、更适合水质的精确监测Expensive Ghoost操作。由于多分支网络适合进行训练但是在推理速度上低于单分支网络,因此通过模型重参数化首先将卷积层以及批归一化（Batch normalization, BN）层合并,随后再将3路卷积合并为1路,大大降低模型参数量、提高了模型推理速度,使模型更加适用于移动设备的推理。结果表明：使用Cheap Ghost操作的G-RepVGG在测试集中准确率达到96.21%,图像处理速度达到442.27f/s,使用Expensive Ghost操作的G-RepVGG模型在测试集中准确率达到97.63%,图像处理速度达到349.42f/s,从而在保证较高精度的前提下依旧具有较高的推理速度,在多个数据集中测试具有较好的鲁棒性。     

基于IEA的需水预测投影寻踪模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统,其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策。PP方法通过投影将高维数据转换为低维数据,克服了维数祸根问题,能在一定程度上解决分类、函数逼近和时间序列预测等问题。将PP方法引入需水预测领域,建立了需水预测PP模型。同时,将免疫进化算法和PP耦合起来,简化了参数优化运算。在珠海市的应用实例表明:PP模型较好地解决了高维非线性和非正态问题,在需水预测中有较强适用性。     

基于支持向量机的水质预测应用实例

水质预测作为水环境污染控制的重要手段,能够预测水质的变化趋势,从而有效地控制水质恶化情况。分析了支持向量机的回归理论和算法;构建了支持向量机水质预测模型。应用实例以通州区新江海河站点为研究对象,取NH3-N浓度和TP浓度为时间序列样本,运用支持向量回归机的理论与方法,构造预测模型,并利用Libsvm软件包和MATLAB软件进行水质预测。从整体预测效果来看,其预测结果能较好地反映水质情况。     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。     

基于BP神经网络的三峡库区小流域水质评价

在阐述BP人工神经网络原理的基础上,运用我国地表水环境质量标准(GB3838-2002)作为训练样本,建立了一个多因子水质综合评价的3层BP网络模型,以溶解氧、氨态氮、总磷、砷、汞和铬为评价因子,对三峡库区小流域一嘉陵江的次级支流流域进行了水质综合评价.结果表明:该河中上游水质状况良好,而下游水质状况较差,汇入嘉陵江、长江后将时三峡水库的水质造成不良影响.为了保证三峡水库的水质安全,建议加强库区小流域的地表水环境管理.     

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。