基于贝叶斯神经网络的玉米病害预警模型

准确预测玉米病害是科学防治的前提,因此建立准确且稳定的预测模型,对于防治玉米病害、减少农作物经济损失具有重要意义.由于传统神经网络存在收敛速度慢、容易陷入局部最小化等问题,利用贝叶斯算法改进传统BP神经网络,即贝叶斯神经网络,结合吉林省部分地区的玉米病害数据,构建玉米病害预警模型.试验结果表明:贝叶斯神经网络玉米病害模...     

基于BP神经网络的稻瘟病预测预报研究

【目的】稻瘟病是水稻主要病害之一,严重制约水稻高产稳产。近年来随着品种布局、耕作制度改变及气候变化的影响,其流行程度年度间波动很大。目前,稻瘟病在云南省各水稻产区呈现中等偏重发生的趋势,预测预报作为指导防治的先行者,具有重要作用。【方法】为了及时有效的做好稻瘟病防范工作,本研究采用稻瘟病发生相关气象因子及田间穗瘟病情指数,利用BP神经网络技术,选取德宏州芒市为试验点开展稻瘟病预测预报研究。【结果】从气象因子与预测对象的相关性来看,筛选出来的各气象因子与病情指数之间都存在较强的相关性,其理想输出和实际输出值都比较接近,误差曲线也比较吻合,预测准确度能满足实际需求。【结论】由此可见,BP神经网络建立的稻瘟病中期预测模型更具有优势。不需要事先进行数学公式表达,具有更高的预测准确度,选择试验点5-9月的气象数据以及田间稻瘟病病情指数建立的预测预报模型,预测结果更为客观和可靠,能及时做好稻瘟病的防控工作。     

基于Vis-NIR光谱的土壤质地BP神经网络预测

为快速、准确地获取土壤质地信息,提出了应用Vis-NIR光谱结合BP神经网络的建模方法。以河南封丘县的86个土壤样本为研究对象,以原始光谱和微分光谱主成分为输入变量,建立土壤粘粒和砂粒的BP神经网络预测模型,并将其预测结果与多元线性逐步回归模型进行比较。结果表明:基于原始光谱主成分的BP人工神经网络预测结果最好,优于多元逐步回归模型,预测粘粒和砂粒的RMSE分别为1.62和6.52。BP神经网络所建模型训练时间短、准确度也较高,能实现对土壤质地的高效预测。     

农作物虫情的模糊神经网络预测模型

利用BP神经网络建立的农作物虫情预测模型,其算法存在收敛速度慢、网络泛化能力差等缺点,可影响预测精度。为进一步提高预测精度,将人工神经网络与模糊系统结合,建立基于模糊神经网络的农作物虫情预测模型;并将该模型与基于BP神经网络算法的预测模型进行比较。结果表明,模糊神经网络的预测模型预测精确度比较高,训练速度比较快;该模型给农作物虫情预测提供了一种新方法。     

人工神经网络在农业病害预测中的应用研究

人工神经网络是属于机器学习领域中的监督学习,利用神经网络的非线性逼近能力,对病害的发生时间、感染程度以及病害迁移方向进行预测。相比较于传统的病害预测方式,人工神经网络具有实时性高、精度高、容错性强等特点,为农业现代化提供了另一种技术支撑。本文通过研究资料发现农业病害的发生跟气候有巨大的关系,结合这点并利用神经网络的强大学习能力对历史病害数据与发生程度进行分类处理,最后再利用已训练好的网络模型预测未来病害的发生趋势。     

BP神经网络在许昌市烟叶花叶病发病趋势预测中的应用

河南省许昌市烟叶花叶病发病的趋势预报模型是基于BP神经网络方法构建的,为预测烟叶花叶病提供科学依据。通过统计,河南省许昌市烟叶花叶病发生发展的气象生理指标及历年该病发生的资料,烟叶花叶病发病的气象预报模型应用了BP人工神经网络的函数映射能力并采用检验函数。BP神经网络烟叶花叶病发病趋势预测模型的拟合精度和预报精度都较高,经过对比优于多元线性回归模型,能很好地实现预期效果,对许昌市烟叶花叶病发病的预测预防工作具有一定的现实指导意义。     

基于BP网络的葡萄病害发生预测系统的开发研究

[目的]提高葡萄病害预测的准确度。[方法]介绍基于BP网络的葡萄病害预测系统的开发研究,包括网络结构的确定、网络学习参数的选取、样本数据的处理等方面。[结果]对河北省怀来县葡萄病害发生程度进行预测,取得良好的效果。[结论]运用BP网络模型对葡萄病害的发生量进行预测预报,适合于影响葡萄病害发生因素多、关系复杂、难以定量分析以及需长期预测的情况,对于葡萄病害发生程度的预测具有重要的参考价值。     

4种常见蔬菜病害预测预报模型研究进展

在梳理常见蔬菜病害预测预报模型研究的基础上,总结了番茄、辣椒、茄子和黄瓜4种蔬菜病害预测模型的研究现状,梳理出预测模型类型有系统预测模型、数理统计回归模型和新型信息技术(高光谱技术模型、BP模型、叶绿素荧光光谱技术等)预测模型。总结出预测模型的4个建模依据原理和4种常见的建模方法,根据以上内容对预测模型进行评价并提出现有预测模型研究中存在的问题。最后对蔬菜病害预测模型的应用前景进行了概述,旨在对未来蔬菜病害预测模型的研究提供参考。     

基于小波变换灰度模型-人工神经网络(GM-ANN)组合的粮食产量预测模型

由于粮食生产受到社会、经济和气候等多方面因素的影响,造成粮食产量序列的复杂性、随机性和非平稳性。为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量的平稳序列;然后针对各序列使用灰色GM(1,1)模型建立预测模型,为了进一步提高模型的预测精度,结合BP神经网络对预测残差进行修正;最后通过组合得到粮食产量的预测模型。通过对2011—2014年我国粮食产量数据的预测,表明所提方法的预测精度明显高于GM(1,1)和BP神经网络预测模型,4年的平均预测误差小于1%,能够较准确地预测我国粮食产量。     

吉林水稻常见病害的发生及防治

水稻生长过程中发生病害的情况时有发生,吉林地区水稻常见病害有立枯病、稻瘟病、纹枯病和稻曲病等。水稻病害必须进行及时有效的控制,否则会对水稻的正常生长和收获造成相当大的损失,甚至会由于水稻病害得不到控制造成水稻颗粒无收。因此,要将水稻病害防治工作作为重点内容,不断完善水稻病害防治手段,建立一套完整的水稻病害防治体系,将病害的危害性降到最低,减少粮食损失。     

基于EMD的BP神经网络在凌河流域旱灾预测中的应用

为提高旱灾预测模型预测精度,利用EMD(经验模态分解法)处理非平稳信号的优势,将其应用到BP神经网络预测模型中,建立基于EMD的BP神经网络旱灾预测模型,对凌河流域44个观测站(小凌河流域11站、大凌河流域33站)共51年(1960~2010)的降水资料进行旱灾预测应用,同时将基于EMD的BP神经网络旱灾预测模型结果与BP神经网络预测模型结果进行对比。结果表明:小凌河流域基于EMD的BP神经网络预测模型、BP神经网络预测模型的年均降水量预测值均方误差(MSE)分别为0.0011和0.0076,决定系数(R2)分别为0.95和0.83;大凌河流域基于EMD的BP神经网络预测模型、BP神经网络模型的年均降水量预测值均方误差(MSE)分别为0.0032和0.0092,决定系数(R2)分别为0.93和0.79。基于EMD的BP神经网络预测值均方误差(MSE)较小且决定系数(R2)较高,均优于BP神经网络预测值,提高了BP神经网络旱灾预测模型预测精度,具有一定的可行性。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004~2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

基于BP神经网络的湖北省旅游总收入预测

旅游总收入的预测结果对于政府部门和旅游管理部门有着重要的参考意义,寻求科学合理的预测模型是保障预测结果准确可靠的关键。针对这一问题,作者利用人工神经网络理论建立了BP（Back.Propagation）网络预测模型,并与指数平滑模型、自回归模型的预测结果进行比较,结果表明应用BP神经网络对旅游总收入进行预测精度更高、效果更好。     

基于人工神经网络的粮食产量预测模型

研究了人工神经网络在经济预测中的应用问题,探讨利用人工神经网络进行农业粮食产量预测的方法。提出一种基于多层前馈BP神经网络的农业粮食产量预测模型,可以得到影响粮食产量的主要因子和粮食产量之间的非线性映射关系。并通过实例验证了神经网络模型的预测精度明显高于线性回归模型的预测精度。     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

水稻稻瘟病的发生原因及防治措施

稻瘟病是一种真菌性水稻病害,它与白叶枯和纹枯病并列为水稻三大主要病害。近年来随着水田面积的扩大,不利的气候条件和不合理的栽培措施等,使水稻稻瘟病的危害逐年加重。2005年我省发生面积超过66.67万hm2,粮食减产7.68万吨,经济损失达1.25亿元。为了今后能更好地指导水田稻瘟病的防治工作,从而减少稻瘟病对水稻产、质的危害,了解稻瘟病的特性及发病机理,     

基于BP神经网络的洪水预测研究

以BP神经网络为基础,通过对神经网络的各个参数进行优化后建立洪水预报模型,并利用四川省达州市州河干流水文站所采集的水文数据进行仿真预报并和实测流量对比。研究表明,采用基于BP神经网络的洪水预测模型进行洪水预测的精度较高,是一种有效可靠的洪水预测方法。     

甘肃省小麦条锈病发生面积预测

甘肃是中国小麦条锈菌重要的周年循环发生区之一,是重要的菌源基地。准确预测甘肃省小麦条锈病的发生面积,对甘肃及中国小麦条锈病的科学防控具有重要意义。利用2001-2021年甘肃省小麦条锈病秋苗发生面积、温度、相对湿度、降雨量和日照时数等资料,通过Pearson相关性分析筛选到影响甘肃小麦条锈病流行的4个关键因子,即小麦条锈病秋苗发生面积、上年8月最低气温、1月平均相对湿度和3月日照时数,并采用全子集回归和BP神经网络算法对甘肃小麦条锈病发生面积进行预测。结果表明,全子集回归模型1和模型2对2020-2021年甘肃小麦条锈病发生面积预测准确度分别为94.63%和88.81%;BP神经网络模型1和模型2的预测准确度分别为98.25%和94.03%。综上可知,BP神经网络模型1是最佳预测模型,其预测2022年甘肃省小麦条锈病发生面积为10.03万hm²。     

基于BP人工神经网络的土壤含水量预测模型的研究

土壤含水量是制约植物生长的主要因子之一,因此科学地预测土壤含水量对充分利用土壤水资源具有十分重要的意义。提出了基于BP人工神经网络的土壤含水量预测模型,BP人工神经网络采用收敛速度较快和误差精度较高的动量-自适应学习速率调整算法。并通过基于这种模型的土壤含水量预测实验,结果表明BP人工神经网络预测模型提高了收敛速度和减少陷入局部最小的可能,并且提高了预测精度。