基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用

为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。     

雄先型核桃雄花疏除的二次回归与BP神经网络模型研究

雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和BP神经网络模型,并于翌年进行BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集(17)和确认集(3)数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。（1）BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;（2）BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;（3）BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。     

基于BP神经网络的常规化学成分预测烟气成分和感官得分预测模型研究

为了探索内在化学成分与卷烟烟气指标和感官品质得分之间的关系,建立相应的预测卷烟烟气指标和感官品质得分神经网络模型数学模型。测试了A牌号卷烟不同批次成品卷烟常规化学成分、主流烟气化学成分和感官得分,以常规化学成分作为网络输入,分别建立主流烟气化学成分和感官得分的BP神经网络预测模型。隐含层节点为9,输入函数为Tansig,输出函数为Purelin。训练方法为梯度下降法。选择22个样本作为训练样本,其中19个作为测试样本,3个作为验证样本。训练的目标为允许误差0.000 1,最大迭代次数10 000次。预测结果与烟气常规化学检测和人员实际评吸结果比较,相对标准偏差小于5%,达到了较好的预测结果。该模型对于预测卷烟主流烟气成分的释放量和感官评价具有指导意义。     

基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。     

薯片酥脆度的感官评价和仪器分析及其相关性研究

利用感官评价法和质构仪质地评价法,对市售4种不同品牌薯片的质地特征进行分析,并对2种评价方法的相关性进行分析,得到以质构测定仪所测指标为变量的感官评价指标线性回归模型。结果表明,感官评价的硬度用薯片断裂过程中曲线上的最大力(Fm)和达到最大力处斜率(G)表示,酥性用薯片断裂过程中曲线上的最大力(Fm)描述,脆性用薯片断裂过程中曲线上的最大力(Fm)、正峰面积(A)和断裂前曲线上的正峰数(NB)描述;预测模型的相关系数较高,质构测定仪可以代替感官评价进行薯片质地的评价和预测。     

马铃薯全粉馒头质构特性与感官评价的相关性

为对马铃薯全粉馒头的质构作全面评价,以不同添加比例的马铃薯全粉馒头为研究对象,使用质构仪进行分析,用质地剖面检验法进行感官品质评定探讨二者的相关性。结果表明,不同添加量的马铃薯全粉馒头的质地剖面分析(TPA)指标具有差异,对8种马铃薯全粉馒头的质构特性进行分析,得到2个主成分,其方差贡献率分别为81.26%和16.74%;马铃薯全粉馒头的质构分析和感官品质评定有很高的相关性,为质构仪在马铃薯全粉馒头感官品质评价上提供理论依据。     

BP神经网络在许昌土壤墒情预测模型的应用

为了科学指导农业灌溉和抗旱救灾,通过采用BP神经网络方法,研究许昌现有土壤墒情经验分析模型,建立了许昌土壤墒情预测模型并结合许昌多年的土壤水分实测数据和气象资料进行误差分析,应用结果表明BP神经网络模型可较好地应用于许昌土壤墒情分析和预测,对于不同条件的地区具有较好的适应性和推广应用价值。     

基于BP神经网络的土壤容重预测模型

土壤容重是农业生产和研究的重要参数,但因成本高、工作量大等原因,其获取仍是一个紧迫的问题。数学建模技术使得科研人员尝试使用土壤传递函数PTFs间接获取土壤容重值。本研究以复合圆锥指数仪为工具,探讨应用BP神经网络建立PTFs预测土壤容重。选取粘土和粉质壤土作为实验对象,在MATLAB2008a上建立、并评价预测土壤容重的BP神经网络,即PTFs模型。研究中以均方根误差RMSE和决定系数R²为性能指标来评价所建BP神经网络。结果表明,针对复合圆锥指数仪的测量结果,应用BP神经网络算法建立PTFs可以有效预测土壤容重。粘土容重预测的决定系数R²达到0.6973,粉质壤土容重预测的决定系数R²达到0.6868。实验结果还证实土壤容重预测与测量深度无关,但与土壤类型显著相关。     

罗非鱼池塘养殖溶解氧预测研究

为及时有效地掌握池塘养殖中溶解氧浓度的变化趋势,保障罗非鱼稳定高效养殖,在对罗非鱼池塘养殖实际情况进行研究和分析的基础上,采用粒子群算法对BP神经网络模型进行参数优化,针对无锡市2015 年8 月23—11 月4 日这段时间内南泉实验基地的水产养殖溶解氧进行预测。同时,将粒子群优化BP神经网络模型与BP神经网络模型的训练结果和预测结果进行对比。研究结果表明,PSO-BP优化模型的训练和预测结果远远优于普通BP神经网络模型,除异常点外,误差率基本均低于0.5%。同时,该模型收敛速度快,计算复杂性低,能够较好的体现和预测罗非鱼池塘养殖的溶解氧趋势,也为其他水质指标的预测提供了研究方向。     

基于BP神经网络研究儿茶素在ADS-8树脂固定床中的洗脱过程

摘要：以信阳毛尖茶叶浸提液为原料,研究ADS-8树脂固定床吸附儿茶素后的洗脱过程,建立模型并优化工艺。基于BP神经网络建立洗脱模型,利用模型对因素进行仿真分析。模型误差为0.00108523,测试样本的试验值和模拟值的相关系数r=0.984,最佳工艺条件是温度20℃、流速1.0mL/min、乙醇浓度30%。基于BP神经网络建立的模型具有很强的逼近能力,为儿茶素在ADS-8树脂固定床中洗脱过程的预测、控制提供一定参考。     

基于REMCC-BPNN的稻瘿蚊发生量预测研究

为了提高预测稻瘿蚊发生量的准确度,有效防控稻瘿蚊虫害成灾面积,采用基于K近邻样本拟合相对误差绝对值与时序相关系数最小原则优化的BP神经网络预测模型REMCC-BPNN,选取广为认可的气温和降水量为影响因子,对稻瘿蚊的发生量进行独立预测。通过2个实例（化州市晚稻稻瘿蚊发生程度和广西邕宁县稻瘿蚊发生程度）验证显示：REMCC-BPNN模型的独立预测精度分别为94%和100%,明显优于经典回归分析、SVR-CAR、MIV-BPNN等参比模型。可见,REMCC-BPNN模型在虫害发生量预测方面有良好的应用前景。     

基于环境因子的春玉米产量结构模型分析研究

环境因子对作物产量的影响是现代农业气象研究的重要内容之一,建立春玉米产量结构模型可为春玉米的科学生产提供依据。本研究分析贵港春玉米不同生育阶段的环境因子与产量结构的相关性,并建立全因子、显著因子的多元线性回归模型和BP神经网络模型。结果表明,对春玉米产量结构影响最大的生育期为拔节—抽雄期,10~40 cm的土壤水分体积含水率与产量结构最为密切;四种产量结构预测模型优度(R²)比较,全因子模型(AF)优于显著因子模型(SF),多元线性回归(MLR)模型优于BP神经网络(BPNN)模型。试报检验模型发现MLR模型的泛化能力不及BPNN模型,其中BPNN_AF模型对理论产量、果穗粗的预测最为精准。BPNN全因子模型(BPNN_AF)可作为春玉米产量结构预测的最优模型,能较好捕捉作物产量结构与环境因子之间的非线性影响规律,预测结果较为合理准确。     

集成GASA混合学习策略的BP神经网 络在水稻虫害预测中的应用

为改进受多变量、时变和不确定因素影响的作物虫情预测的效率和准确性，以重庆市永川区为研究区域，将1996－2004年的气象和虫害数据分为独立的训练和检验数据集，以研究集成GASA混合学习策略的BP神经网络应用于水稻虫情预测中的可行性。与广泛应用的时间序列分析法和传统BP神经网络相比，集成混合学习策略的BP神经网络预测精度和拟合性能都有了很大提高，因而具有较好的应用前景。     

基于多光谱成像技术的小麦品种快速无损鉴定

为了研究多光谱成像技术对小麦品种快速无损鉴定的可行性,采用VideometerLab 多光谱图像采集设备对5 个小麦品种共500 个样品在405~970 nm波段内的进行多光谱图像信息进行采集,获取其光谱、颜色和形态特征。利用主成分分析对5 个小麦品种进行定性鉴别,同时,基于光谱特征和光谱图像特征分别比较了神经网络、支持向量机和随机森林3 种模型的鉴定效果。结果显示：利用19 个光谱特征值建立的模型中,BPNN识别模型效果最佳,其建模集和预测集的识别率分别为100%和91.25%。融合19 个光谱特征和6 个图像特征所建立的模型中,BPNN识别模型效果最佳,其建模集和预测集的识别率分别达到了100%和98.4%。结果表明,基于BPNN的多光谱特征融合能够有效的提高小麦品种鉴定效率,为小麦品种的快速无损检测提供了一个新途径。     

基于logistic和灾减率方法制作玉米产量的预测

利用多元回归预报模型与灾减率相结合探讨粮食产量预报方法。依据本溪县玉米单产和气候资料,利用logistic方法建立玉米趋势产量序列,将分离的气象产量转换为相对气象产量,进行相关筛选预报因子,组建预测模型。结果表明：运用logistic方法构建的玉米趋势产量序列,提高了趋势产量拟合的精度;选取气象因子具有一定的生物学意义,增强了预测模型的科学性;多元回归预测模型与灾减率订正预测玉米单产正确率达90%。为粮食产量预报的定量化和精细化提供科学的依据。     

Statistical Model on the Time and Time Difference Error of Arrival in TDOA Location Estimation

Additional time delay of arrival resulted from non-line of sight(NLOS)propagation and muti-path effect in(cellular) environment is the dominant factor resulting in TDOA location error,study on the statistical property of TDOA error is useful for improving the accuracy of TDOA location.Based on the exponential distribution property of NLOS propagation delay,and considering the system error resulted from the signal detection,the authors establish a statistical model of arrival time and a model of TDOA error distribution by statistics when non-light of sight and multi-path propagation exist.The models reflect the statistical property of arrival time and TDOA error in cell network,the simulation shows that the proposed models have a good accuracy and a satisfactory behavior.     

基于GS-SVR的耕地面积预测及其驱动因子分析

影响耕地面积变化的驱动因子复杂多变,难以确定。为了合理选择耕地面积的驱动因子,提高耕地面积的预测精度,指导耕地资源科学分配利用,通过采用一种基于GS-SVR自变量全组合预测均方误差(Mean Squared Error,MSE)最小原则的方法确定耕地面积的驱动因子。并以湖南省耕地面积变化为例,通过SVR-CAR、LSSVM、BPNN、ARIMA和MLRR等常用的时间序列预测方法来验证所选取驱动因子的有效性。结果表明,湖南省耕地面积变化的最优驱动因子组合为城市化水平和房地产业产值指数,且常用时间序列预测方法采用GS-SVR全组合方式选取的驱动因子组合大幅度提高了耕地面积的预测精度。采用GS-SVR自变量全组合均方误差最小原则的方法选择耕地面积的驱动因子是科学合理的,在耕地面积等时间序列预测领域具有广泛的应用前景。     

低山丘陵区土壤-景观模型的可移植性研究

为了分析在相似地形和成土环境中土壤-景观模型的可移植性,以西南丘陵山地区为研究对象,选取面积约2 km2的区域作为土壤-景观模型的建立区域,利用逐步线性回归方法建立该区的定量土壤-景观模型,并以此建模区域为缓冲中心,在研究区划分出4个不同的模型移植区域（分别记作A、B、C、D区）。结果表明,土壤-景观模型的预测结果在整体上具有较高的准确性;离建模区域越远,平均绝对误差(MEA)和均方根误差(RMSE)均有逐渐增大的趋势,说明随着距离的增大,预测精度降低;在4个区域中,相对误差(RE)都有一定比例大于20%,且距建模区域越远,相对误差(RE)大于20%的比例越大,相对误差(RE)小于10%的比例逐渐减小。     

用近红外光谱法测定大白菜的营养成分

选用来自我国主要产地的大白菜不同品种及不同成熟期等材料２４２份，进行常规成分的定标和检验。结果表明：粗蛋白、中性纤维、还原糖及维生素Ｃ的近红外（ＮＩＲ）法测值与化学法测值的复相关系数（ＭＲ）分别为０．９９５８、０．９８５２、０．９８２１和０．９８１４，定标的标准误差（ＳＥＣ）分别为０．３９８％、０．１３４％．０．０９８％和０．５１ｍｇ／１００ｇ。用一定数量的检验样品以４种成分化学法与近红外法进行比     

The application of grey residual error GM(11)model based on Markvo to aging behavior prediction of plastic

To solve the problem of poor prediction accuracy of GM(11)model when the data are discretebased on the sign of residual error modification value of prediction value being determined by Markvo chaina residual error modification is presented.The grey residual error GM(11)model based on Markvo is constructed through the modification of simulation value and prediction value obtained from GM(11)model.The prediction of tensile strength of LDPE greenhouse film under natural aging condition is taken as an exampleand the applicability of constructed model in the prediction of plastic aging behavior is researched.The results show that the relative error between prediction value and the actual value of tensile strength of LDPE greenhouse film after aging 18 and 21 months obtained from constructed model are 1.49% and 4.96% respectively.Prediction accuracy are higher than that(relative error are 3.40% and 6.75% respectively)obtained from GM(11)model obviously.Grey residual error GM(11)model based on Markvo needs less original data and has high prediction accuracythus it is a simple and reliable method for plastic aging behavior prediction.