模糊优选神经网络BP模型在植被生物量参数反演中的应用

根据模糊优选神经网络BP模型，利用1988年小麦生长期中生物量参数和微波（10.2GHz）主被动遥感实测数据，作为输入输出I／O矢量对，计算出网络模型的正向传输权重矩阵及反向传输权重矩阵。用1989年小麦生长期中微波实测数据和该神经网络模型得到的权重矩阵，来反演其生物量参数在整个1989年生长期中的变化，反演结果与遥感实测结果的比较说明了所提方法的准确性。     

多目标模糊关系优选决策的优化模型

基于模糊环境下具有监督因子的目标函数，提出了计算最优模糊关系识别决策矩阵和目标权重的优化模型，进一步完善了模糊关系优选理论模型；并应用于农业耕作方式的模糊优选，取得了满意的效果。     

基于模糊神经网络的护坡植被优选

以寒区黏土(pH=6.97)、粉质黏土(pH=7.81)、砂土(pH=8.33)3种土质作为试验对象,并分别种植紫花苜蓿、小冠花、无芒雀麦.从植被高度、颜色、均一度、抗病性、抗旱性、抗贫瘠性、复生率、盖度、植株密度、抗拉强度、抗剪强度11个指标建立护坡植被评价体系,利用模糊神经网络理论,构建了植被护坡优选模型并应用.结...     

基于双作物系数模型的田间灌溉水利用效率估算

双作物系数模型是依据FAO56双作物系数法来模拟土壤水量平衡的计算方法,可以模拟每日田间尺度上的土壤水量平衡,预测作物腾发量,制定灌水规划和进行环境研究.该文在位于西北干旱区的盈科灌区制种玉米田开展了土壤水分、作物生长和实际耗水量等试验观测,通过调整基本作物系数,率定和验证了SIMDualKc模型.由灌溉水有效利用率计算公式计算得出盈科灌区8个典型试验田的田间灌溉水有效利用率在62％ ～77％之间.由于在干旱内陆河灌区,田间灌溉水有效利用为80％～90％,因此必须加强盈科灌区田间工程建设和提高灌水技术水平.     

用于田间作物-水分关系研究的ThuSPAC模型

田间作物水分关系是土壤植物大气连续体(Soil Plant Atmosphere Continuum，简称SPAC)理论的重要研究内容。本研究介绍的ThuSPAC(Tsinghua University SPAC)模型，包含土壤水热运移(Soil)模型、冠层(Canopy)模型、土壤-植物-大气连续体(SPAC)模型、冬小麦生长模拟(Wheat)模型、冬小麦生长与SPAC水热运移耦合的WheatSPAC模型5个独立的模型。利用ThuS-PAC模型，可以根据土壤条件、冬小麦品种参数、气象条件及灌溉条件等，动态模拟土壤、冠层中水分温度的分布规律、冬小麦生长过程及最终产量。模型的开发语言为Visual Basic，界面友好，在相关领域的研究中具有广泛的应用前景。     

基于神经网络的万年县节水灌溉适宜技术选择研究

针对节水灌溉适宜技术的优选问题,采用模糊系统和神经网络相结合的方法,利用遗传算法对模糊神经网络参数进行了优化,并根据最终计算结果的大小评价了节水灌溉技术的适宜程度。该方法最大程度地避免了模糊综合评判中权重矩阵取值的人为干扰,取得了良好效果,最终确定万年县大港桥灌区的最优灌溉方案为管道灌溉。该方法为节水灌溉适宜技术提供了一种新的方向和思路。     

基于BP神经网络的菜心叶片生长模拟模型研究

根据BP神经网络建立菜心叶片生长预测模型,以菜心叶子的长度和宽度来衡量菜心叶片的生长情况,运用有效积温原理,建立菜心叶片生长情况与温度之间的关系.实证分析表明,基于BP神经网络的菜心叶片生长模型具有较好的仿真效果,在叶子生长的预测中具有很好的应用前景,可进一步在菜心产量的预测中起到作用,为社会带来更多的经济利益.     

基于作物模型的计算机模拟软件研究

基于作物模型的计算机模拟软件是数字农业中实现农业信息化的重要基础。该文系统介绍了作物模型及作物模拟的概念,作物生长模拟技术的产生和发展,并对模拟软件的研发过程中涉及的关键技术进行阐述,指出模拟软件在农业生产和科研中的应用。     

基于改良模糊优选模型的西安市水环境承载力评价

根据西安市水环境特征和水环境承载力评价指标的选取原则确定了西安市水环境承载力评价指标。根据水环境承载力影响因素的特征构建了各评价因素的三层结构模型并计算确定了各评价指标的权重。在分析模糊优选模型特征的基础上,应用改良模糊优选模型确立了污染因子的环境质量优属程度。最后得出西安市水环境承载力状态结果,结果表明2004-2010年间西安市水环境承载力状况呈逐年改善的趋势,水环境承载力评价值由0.16升至0.69。结果证明,改良的模糊优选模型具有应用简单、建模方便的特点,评价结果可直观反映区域水环境承载力状况。     

基于多层次多目标模糊优选模型的林业上市公司资本结构评价研究

企业的资本结构通过资本成本、盈利能力、偿债能力和风险水平等多方面影响企业的经营水平和企业价值.在已有的国内外有关上市公司资本结构评价因素的基础上,该研究总结了资本结构影响公司经营水平的4个因素,并选择了8个与资本结构效果相关的指标,通过建立多层次多目标模糊优选模型,对20家林业上市公司2013年的资本结构现状进行了实证研究.结果显示,公司000910的资本结构最为合理,资本成本、盈利能力、偿债能力和风险水平情况最好的公司分别为000820、000910、002043、002078.林业上市公司要根据内部外环境动态的调整资本结构,充分发挥财务杠杆作用.     

模糊神经网络的真空木材碳化设备控制系统设计与仿真

针对目前真空木材碳化设备的控制系统具有大滞后、强耦合、时变性以及难以建立精确数学模型等特点,提出了一种模糊神经网络算法的真空木材碳化设备控制系统。通过对输入输出变量、论域及隶属函数的选择,设计出真空木材碳化设备控制器;再将神经网络与模糊控制系统相结合,得到模糊神经控制网络。对模糊神经网络控制器的算法进行了分析;在Matlab环境下编写控制器的程序,用Simulink进行仿真实验。结果表明:模糊神经网络控制器的真空木材碳化设备输出的温度曲线,稳态误差为0、最大偏移量为1℃、调节时间约为8 s、超调量为2%;湿度曲线在6 s时即可达到稳定,稳态误差为0、最大偏差为1%、超调量为4%;加入扰动后,误差能被快速消除,温湿度的波动幅度相对减小,系统的稳定性更强。模糊神经网络控制器,可减小调节时间、消除误差、提高控制精度,具有很好的鲁棒性。将二者结合设计出的模糊神经网络控制器,具有自适应、学习、识别和模糊信息处理等功能,在处理大规模复杂的模糊应用问题方面具有更好的控制效果。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015 年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明：通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab 平台上训练精度设为0.005、学习率0.01 的BP神经网络方法可以很好地逼近非线性函数。用大于1/3 样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

土壤含水率与像素颜色之间关系的BP人工神经网络模型

建立像素颜色RGB值与土壤含水率之间的数学关系，是染色入渗法的应用基础。结合沟灌染色入渗试验。研究了染色入渗过程中土壤含水率与像素颜色分量之间关系的BP人工神经网络模型。分析土壤含水率与像素颜色分量之间的关系，确定BP人工神经网络的拓扑结构，以像素颜色分量的相对值作为输入因子。土壤含水率作为输出因子，建立了包含1个隐层的BP人工神经网络。结果表明，该模型具有较高的拟合精度和验证精度，优于二次多项式模型。     

基于BP神经网络的林木资源资产批量评估模型优化

批量评估具有效率高、费用低且满足大量评估等优点。论文以中龄林为例,将BP神经网络应用于林木资源资产批量评估。通过比较学习算法、隐含层节点数,运用敏感性分析法确定影响因子对评估值的贡献程度,筛选输入层因子,从而优化了林木资源资产批量评估BP神经网络模型结构。结果表明：贝叶斯正则化法优于L-M算法;年龄、利率、蓄积、树种为强影响因子,这4个因子对评估值的贡献度超过60％;最优模型结构为BR 9-10-1,该模型平均绝对误差为32．46元/hm2,平均相对误差为1．28％,决定系数达0．9997,模型拟合精度高,泛化能力强,能够满足中龄林林木资源资产批量评估的要求。     

基于人工神经网络的土壤含水量预报模型

土壤水分含量是影响作物生长的重要因素,精确预测技术对水资源的合理利用与管理具有重要的指导意义。土壤水分运动是一个复杂的时间序列系统,其变化与区域气候条件和生态环境密切相关,具有明显的随机性波动。利用人工神经网络的方法对河南驻马店地区的土壤含水量进行预报,利用表层土壤含水量资料计算了一些与深层土壤含水量相关的预报因子,用以建立驻马店地区深层土壤含水量的神经网络预报模型,并应用独立样本进行了初步的模拟预报检验。结果表明,预报模型取得了令人满意的效果,应用神经网络的方法预报深层土壤含水量是可行的。     

基于人工神经网络算法对水稻需水量的预测

水稻需水量预测是节水灌溉规划的基础,由于BP神经网络在解决多参数非线性问题表现出极强的自适应能力,从而可以科学准确预测需水量。本研究从多个影响因子分析出发,得到了BP神经网络模型,并结合实际数据进行了检验。试验结果表明,该模型能够较好地反映气象因子与水稻需水量之间的关系,预测精度高。     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子,构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源,通过对6种BP神经网络的训练方法进行训练,经过反复筛选找出最优模型并与传统胸径-树高模型作比较;最后将BP神经网络中的输入因子从2个增加到6个后,经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳,R²和MSE分别为0.963 0和1.168;2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响,BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势;均方误差（MSE）呈现先下降后上升的趋势,两者都在节点数为10时有极值,此时的模型为最优模型;3）当输入因子为胸径和优势树高时,油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1）,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7;当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时,最优模型结构为6∶10∶1,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出,在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法;BP神经网络模型与传统模型相比,BP神经网络模型不需要目标方程结构,并且模拟和预测的精度均要优于传统模型;在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。