从神经网络中抽取土地评价模糊规则

为了明确土地评价中所训练神经网络的含义,使土地评价工作者可轻松地理解、判断所得到土地评价模型的正确性和合理性,提出从神经网络中抽取土地评价模糊规则的方法。现有的大多数从神经网络中提取方法,神经网络的输入属性要么局限于连续的,要么只适应于离散的,而土地评价因子往往既包含连续的又包含离散的、标称的,该文首先提出了一种输入属性值适应于这三种类型数据的模糊神经网络建立方法,进而给出一种从建立的神经网络中抽取其中较主要模糊规则的算法。试验表明,所提出的土地评价方法,可直接从样本中学习评价规律,使土地评价工作者易于理解,当出现抽取的规则与实际情况不吻合时,可重新训练神经网络和抽取规则,所得到的评价结果比BP网络的评价结果更准确,从而提高了土地评价的准确性。     

基于监测数据和BP神经网络的食品安全预警模型

以中国实际食品安全监测数据为样本,研究基于BP神经网络的食品安全预警方法。首先对食品安全日常监测数据进行筛选简化,选择其中与食品安全最为密切的167种检测项目,以此检测项目为指标按月度划分建立数据样本。然后建立以167种检测项为输入层,包含2个隐层,以化学污染、农药残留、兽药残留、重金属、微生物致病菌5大类为输出层的食品安全预警神经网络模型,最后用所得数据样本进行训练和验证。结果表明,基于BP神经网络的食品安全预警方法能有效识别、记忆食品危险特征,能够对输入样本进行有效的预测,研究有助于丰富食品安全数据的处理方法,有助于完善相关预警技术手段。     

基于神经网络的水产品价格预测模型研究

以水产品中鲫鱼为例,选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,其相对误差均小于1%。结果证明,所构建的水产品价格预测模型具有良好的精确性和准确性,将神经网络应用于水产品价格预测是可行的。     

基于组合神经网络的农用车轮胎号识别方法

为了保证轮胎号识别系统具有较高的识别正确率和置信度,对轮胎号字符识别方法进行了研究。对大量的农用车轮胎号字符图像样本进行各类特征量提取,针对每类特征量建立各自的子BP网络进行训练,并将各训练好的子网络进行组合形成并行组合神经网络,按照等权平均或投票选举决策得出最终识别结果。并行组合神经网络的连接数较传统庞大单级神经网络少,训练和识别的速度要快,大量的轮胎号字符样本识别试验表明,并行组合神经网络的识别正确率和置信度都较传统BP网络得到提高。     

基于支持向量机的标准农田地力等级评价——以浙江省温州市鹿城区为例

提出了一种基于支持向量机(SVM)的标准农田地力等级评价方法,并给出了遗传算法-模拟退火(GASA)优化SVM参数算法。该方法首先在确定标准农田地力等级评价指标的基础上,利用地力调查样本数据及传统的指数和法评价结果构造SVM样本集,然后运用GASA优化SVM参数算法训练SVM,建立标准农田地力等级的SVM评价模型。应用该方法对温州市鹿城区标准农田地力等级进行了评价,结果为:2级田和3级田分别占测试样本代表标准农田总面积(115.7 hm2)的45.04%和54.96%,该方法的评价正确率为100%。应用BP神经网络法对测试样本进行评价,其评价正确率为90%。结果表明,SVM用于标准农田地力等级评价,具有比BP神经网络更高的评价精度,可有效用于标准农田地力等级评价,为耕地地力评价提供了新方法。     

用BP神经网络进行秧苗图像分割

采用BP神经网络模型，研究了真彩色秧苗图像分割的神经网络方法。选取训练样本图像，以人工分割后的图像结果为导师信号，将图像的特征向量采用BP算法进行训练，获得有效的网络权值。以玉米秧苗图像为实例进行训练和图像分割，实验结果表明，BP网络能够获得较好的分割效果。该研究为进一步的秧苗图像处理奠定了基础。     

BP神经网络在地表移动边界角预测中的应用

在对煤矿采空区地表移动及其边界角影响因素分析的基础上,提出用BP神经网络预测采空区地表移动边界角.建立了边界角预测的BP神经网络模型,利用国内近30项工程的采空区地表移动实测数据作为学习样本对网络进行训练,用实际工程对网络进行了测试分析.结果显示,预测精度平均达90%,研究表明用BP神经网络计算边界角方法可行,具有实用性,为边界角的确定提供了一条新的途径.     

地面水质评价的RBF神经网络方法

借助神经网络方法处理非线性问题的优势 ,采用径向基函数 (RBF)来构造多层前馈 BP神经网络。根据某流域水系的水质监测的数据 ,建立一个对地面水质进行判别的多层前馈网络数学模型。以地面水质污染主要的 7项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度很高 ,效果优于其它方法     

流场分析与智能建模在机油泵CAD中的联合应用

针对发动机机油泵新产品设计过程中性能预测难和试验成本高的问题,提出一种将流场数值模拟和神经网络智能建模预测技术联合应用于机油泵产品设计过程的新方法。结合机油泵初始设计结构尺寸,建立其内部流场的CFD（computathonal fluid dynamics）仿真模型;通过流场数值模拟分析,获取一定量的机油泵转速、供油压力、供油温度和供油流量数据;构建描述机油泵供油特性的BP神经网络模型,利用流场数值模拟结果数据作为样本训练该网络模型;最后利用训练好的BP神经网络智能模型对各种工况下机油泵的供油特性进行预测分析。实例验证结果表明,采用文中方法取得很好的仿真分析效果,可以用于在设计阶段对发动机机油泵产品的结构进行优化并调控产品的工作特性。     

基于BP神经网络模型的荔枝树叶面积测定方法

为了准确、快速地测定荔枝树叶面积，设计了一个BP神经网络模型，输入参数为叶片长度和叶片最大宽度，输出参数为叶面积。用LI-3000A型叶面积仪测量所得到的样本数据对网络进行训练，测试样本的网络输出与网络目标的相关系数达0.99609，网络模型是有效的。用训练后的网络模型对10组未参加建模的样本数据进行叶面积测定，误差平方和为1.2929，优于回归方程法的2.511。训练好的BP神经网络模型可以在不破坏叶片的情况下，简单、快速、经济地测定大量的荔枝树叶片面积。     

矿区废弃地复垦为农用地潜力评价方法的比较

矿区废弃地复垦潜力是编制土地整治规划的重要依据,复垦潜力的大小主要依靠评价来实现,而评价方法的选取对评价结果具有直接影响。该文以山西省朔州市平鲁区为研究区域,采用指数和法、模糊综合评价法和人工神经网络模型对矿区废弃地进行复垦潜力评价,探讨这3种方法所得结果的一致性与差异性及其产生的原因;并在结果分析的基础上,运用层次分析法对各方法所得结果进行综合评价。结果表明:在同一指标体系和同一权重下,由于各方法在计算过程中对于评价单元的处理侧重点不同,致使3种方法所得各级别中相同图斑数、同一潜力级别下的面积及其空间位置分布具有一定差异性;理论上讲,人工神经网络方法较其他2种方法所得结果更具客观性;平鲁区矿区废弃地分布与综合评价结果对比分析显示,历史遗留矿区废弃地和因矿业整合产生的废弃地复垦潜力集中在Ⅰ、Ⅱ级,潜力级别总体较高,矿区正在作业区复垦潜力多为Ⅲ、Ⅳ级,级别相对较低;研究表明,综合评价的结果是更科学、更客观的理论值,对于矿区废弃地系统总体而言,其复垦潜力的实际值还需考虑矿区废弃地复垦实践中复垦年限、经费、人员组织、产权关系等影响因素进行修正。     

基于人工神经网络的田间信息插值方法研究

提出了一种基于人工神经网络的田间信息插值新方法，并利用ArcView3.2软件绘制碱解氮的BP神经网络插值空间分布图和球状插值分布图，并对BP神经网络插值方法和克立格球状插值方法的结果进行了误差分析。结果表明，BP神经网络的插值方法优于克立格球状插值法，该方法有利于田间信息空间分布特性准确、直观的表达，有利于农田精确施肥、灌溉、播种等精细农业生产管理。     

用基于人工神经网络的数据融合法测量水流泥沙含量

在采用电容传感器测量泥沙含量的过程中，电容传感器的输出值受环境温度的影响较大，为消除温度对测量数据的影响，提出了采用人工神经网络法对传感器进行数据融合处理的方法，该方法以传感器的泥沙含量值与温度值作为网络的输入，通过对网络的训练达到消除非目标参量——温度的影响。试验结果表明该方法收敛速度快，输出稳定性可显著提高，能够有效地消除温度带来的影响。     

基于权重自动调整神经网络的水稻病虫害诊断专家系统

针对水稻病虫害诊断特点,从人工智能角度出发,提出了一种基于权重自动调整的神经网络水稻病虫害的知识组织方式。文章以15种常见水稻病虫害为例,通过对病虫害症状的特点和特征进行分类、抽象和编码,构建了基于权重自动调整的BP神经网络。利用神经网络和不确定性推理技术,对实例样本进行训练学习,并将权值数据作为知识库来进行诊断,并基于这种方法构建了水稻病虫害神经网络诊断专家系统。     

空气悬架系统动态载荷的识别

针对空气悬架系统主动控制中神经辨识器的离线训练问题,利用BP神经网络实现从空气悬架系统非簧载质量振动加速度空间到其动态载荷空间的映射。建立带有空气悬架系统的1/4工程车辆动态模型,通过仿真得出了工程车辆空气悬架系统的非簧载质量振动加速度和动态载荷数据,以空气悬架系统的非簧载质量振动加速度数据作为神经网络的输入,动态载荷数据作为神经网络的输出,训练BP神经网络,并对训练好的BP神经网络进行泛化能力的测试,路面输入采用幅值为0.01 m,频率为1 rad/s正弦波时,识别误差率在30%以内的点占总数的82.95%;以幅值为0.02 m,频率为2 rad/s的正弦波作为系统的路面输入,识别误差率在30%以内的点占总数的77.94%。结果表明BP神经网络能够对不同的路面输入具有较好的适应性。     

电子鼻快速检测谷物霉变的研究

针对目前我国在谷物的霉变与否的检测上还有一定的滞后性，研制出一套能快速检测谷物是否霉变的电子鼻装置，该装置能快速、准确地分析所测谷物散发的气味，从而判定所测谷物是否霉变。该电子鼻主要由一组厚膜金属氧化锡气体传感器阵列和RBF神经网络组成。用所研制的电子鼻对小麦、水稻、玉米3种谷物进行检测。整个实验过程如下：首先从每个传感器的反应曲线中提取4个特征值，并对所有特征值进行归一化处理，然后用常规的主成分分析和径向基函数(RBF)神经网络对它们进行分析。实验过程中发现，从主成分分析的结果发现很难将霉变谷物与正常谷     

基于BP人工神经网络的长江河口地区土壤盐分动态模拟及预测

为开展长江河口地区土壤盐分动态的中长期模拟与预测,采用人工神经网络中应用较为成熟和广泛的BP网络建立长江河口地区土壤盐分与降雨量、蒸发量、长江水电导率、内河水电导率、地下水位、地下水电导率6因子间的非线性神经网络响应模型。网络模型结构为6-11-1,隐含层单元数用"试错法"确定。选择合适的参数训练和学习网络模型后,对河口地区2003年各月平均根层土壤电导率进行预测,并与线性回归模型预测结果进行比较。结果表明:BP网络模型较线性回归模型具有更高的预测精度,平均相对预测误差为7.3%,预测值与实测值相关性良好,可以满足实际应用需求。     

利用人工神经网络预报不同水分条件下作物根系发育参数

通过对人工神经网络理论的分析,建立了一个能够描述作物根——冠间非线性变化的模拟模型,利用植物地上部参数推求不同水分环境影响的地下根系参数。并通过改进BP算法解决了全局寻优的问题。利用精密的管栽试验为模型提供了足够的学习样本和检验样本。结果表明,该文建立的人工神经网络模型对描述根、冠间复杂的非线性关系方面具有相当高的精度和应用价值     

坡面入渗的人工神经网络模型研究

根据野外人工模拟降雨试验得到的不同耕作措施下坡面土壤入渗实测资料，引入人工神经网络建模方法，建立了不同耕作措施，如等高耕作、人工掏挖、人工锄耕和直线坡条件下坡面入渗BP网络模型，并利用实测资料对网络进行了训练和预测，取得了较好的结果，说明该模型的建立与求解为复杂坡面土壤入渗规律的研究提供了一条新途径。