径向基函数网络与WebGIS融合的苹果病虫害预测

以ArcIMS为二次开发平台,开发了基于Java技术和MVC架构的苹果病虫害预测预报系统平台,在建立了20余种苹果病虫害预测模型的基础上,采用动态数据交换技术(DDE)实现了GIS分析功能与病虫害预测模型的集成;具有空间数据和属性数据的分析处理、苹果病虫害预测预报、WebGIS信息发布等功能;可以通过地图或专题图、数据表格、图形或文字等多种形式预测预报苹果病虫害发生时间和发生程度.以苹果山楂叶螨为例,详细阐述了系统中径向基网络模型的构建,该模型的测试准确率为87.5%.高于BP神经网络的75%.     

基于神经网络的农业病虫害损失预测

鉴于农业病虫害经济损失的预测具有较强的复杂性和非线性特性,设计了一种新型的GRNN预测模型,对农业病虫害经济损失进行预测.该模型基于人工神经网络捕捉非线性变化独特的优越性,在神经网络技术和江苏省气象局提供的数据的基础上,利用MATLAB人工神经网络工具箱及GRNN广义回归神经网络建立预测模型,来提高农业病虫害经济损失预测的精度.预测结果表明,该方法建立的模型可以实现对病虫害经济损失的预测,且其预测精度较高.     

径向基函数网络与WebGIS融合的苹果病虫害预测

以ArcIMS为二次开发平台,开发了基于Java技术和MVC架构的苹果病虫害预测预报系统平台,在建立了20余种苹果病虫害预测模型的基础上,采用动态数据交换技术（DDE）实现了GIS分析功能与病虫害预测模型的集成;具有空间数据和属性数据的分析处理、苹果病虫害预测预报、WebGIS信息发布等功能;可以通过地图或专题图、数据表格、图形或文字等多种形式预测预报苹果病虫害发生时间和发生程度。以苹果山楂叶螨为例,详细阐述了系统中径向基网络模型的构建,该模型的测试准确率为87.5%,高于BP神经网     

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。     

粗糙神经网络在农业病虫害诊断中的应用

结合粗糙集理论和神经网络在信息处理方面的优势,构建了基于粗糙集理论和人工神经网络相结合的农业病虫害诊断方法的模型;建立了粗糙BP神经网络模型用于诊断推理,引入附加动量法和自适应学习速率法对传统BP神经网络算法进行改进,有效提高了平台的运行效率.同时,以葡萄病害诊断为例,对模型功能以及性能进行检验,结果表明:所建模型与葡萄病虫害诊断专家系统的诊断结果一致,具有较高的实用性、通用性和灵活性.     

基于神经网络的离心泵汽蚀性能预测

介绍了离心泵汽蚀性能预测的研究现状,分析了离心泵汽蚀性能预测的主要研究方法．根据设计流量下离心泵汽蚀余量的影响因素,确定人工神经网络的拓扑结构．应用MATLAB的神经网络工具箱,建立单级单吸离心泵汽蚀性能预测的BP神经网络（Back Propagation Neural Network）和RBF神经网络（Radial Basis Function Neural Network）两种人工神经网络模型．用工程实践中得到的57台离心泵几何参数和试验数据作为样本来训练建立好的网络,并用6台离心泵的数据来测试网络．预测值与试验值的相关性分析表明,BP和RBF网络的预测结果均较好,其中BP网络预测模型的平均相对偏差为5．69％,RBF网络预测模型的平均相对偏差为6．32％,可满足工程应用的要求．     

基于神经网络方法的季节性冻土Kostiakov入渗模型参数预测

以提高季节性冻土区农业冬春储水灌溉质量为研究目的,基于田间冻土入渗试验资料,建立了以冻融土壤基本理化参数为输入变量,Kostiakov累积入渗量模型参数为输出变量的BP预测模型。所建参数模型对入渗系数K和入渗指数α预测值的平均相对误差在4%以下,在可接受范围之内。结果表明,选择土壤黏粒量、体积质量、体积含水率、地表土壤温度和灌溉水温作为冻融土壤入渗参数BP预报模型的输入因子是合理的,建立的冻融土壤入渗参数BP预报模型是可靠的。     

基于人工神经网络的固体碱催化制备生物柴油工艺优化

为了获得最优工艺条件,在单因素试验的基础上,利用正交试验和人工神经网络研究了固体碱氧化钡催化酯交换制备生物柴油的工艺.研究结果表明,以正交试验数据为基础,利用人工神经网络的反向传播BP算法建立网络预测模型能够较准确地预测不同反应条件下生物柴油的转化率.由此得到优化的工艺条件为:甲醇用量为油质量的30%,催化剂用量为油质量的1.0%,反应时间为2.5h,油浴温度为80℃,模型预测转化率为94.65%,实际转化率为96.82%,相对误差为2.24%,说明建立的模型能够反映样本自身的内在规律.     

年径流预报的非线性混合回归模型研究

径流中长期预报一直以来都是人们关注的热点研究问题,常用的时间序列法、多元回归分析法等都存在预报精度偏差过大的问题。以年径流作为自回归因子,降水和气温作为多元回归因子,建立了年径流预测的非线性混合回归模型,并利用BP神经网络进行模型求解。戴营水文站的年径流预报结果表明,与自回归模型、多元回归模型、BP网络模型和线性混合回归模型相比较,非线性混合回归模型具有较高的预报精度。     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.