基于K-means 聚类和ELM神经网络的养殖水质溶解氧预测

为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络（extreme learning machine,ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量－相似度,通过K-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。     

基于改进有限差分算法ELM模型的径流模拟

以辽阳县大牛岭科技示范园区为例,运用改进有限差分算法的ELM模型高效、准确地模拟其径流现状.结果表明:实测径流数据与ELM模型模拟结果保持较好一致性,对于地表径流的模拟,该模型具有较强的适用性与可靠性,为流域水资源管理和水土保持方案设计提供科学依据.     

基于CART重要度排序和混合ELM模型的蒸散预测

准确地预测区域蒸散有助于区域水资源的合理利用,减少水资源浪费。为从多项气象因子中筛选出核心因子,构建少因子蒸散预测模型,高效精确预测蒸散,该研究在九大农业区选取23个典型站点,搜集降水量、日照时数等8个气象因子数据,使用分类回归树（classification and regression tree,CART）对气象因子进行重要度排序。基于排序结果,选取排序前3～5项气象因子,基于极限学习机（extreme learning machine,ELM）模型对蒸散进行预测。同时,使用遗传算法（genetic algorithm,GA）,粒子群算法（particle swarm optimization,PSO）,麻雀搜索算法（sparrow search algorithm,SSA）对ELM模型进行优化,并使用这3种优化算法（GA-ELM、PSO-ELM、SSA-ELM）构建少因子混合优化蒸散预测模型。结果表明：1）基于CART算法重要度排序结果,蒸散的主要影响因子依次是降水量、日照时数、平均本站气压、日最高气温、平均相对湿度。2）3种优化算法预测模型中,PSO-ELM模型的预测精度最高,23个站点的蒸散预测的均方根误差为6.608～22.077 mm/d,纳什效率系数为0.824～0.998,R²为0.908～0.995,平均绝对误差为5.075～16.677 mm/d。3）ELM模型在云贵高原区和四川盆地及周边地区有较好的适用性,3种优化算法在华南区和云贵高原区有较好的适用性,其中PSO-ELM模型的适用性最高。研究结果为中国九大农业区域的作物需水量计算提供参考。     

基于疲劳损伤理论的果品振动损伤模型表征

疲劳振动是导致果品运输机械损伤的主要原因之一。基于Palmgren-Miner理论,结合果品振动损伤特征与外界振动激励的相关性,提出果品振动疲劳累积损伤模型与模型参数确定方法。以梨果实为研究对象,进行多种工况下的疲劳损伤振动与临界疲劳损伤振动试验,获得了水晶梨的振动疲劳常数;同时依据梨果实分级标准中的优等品损伤面积临界值,得出梨果实损伤激励加速度阈值,试验结果与理论分析吻合性高。研究结果为进一步认识果品振动疲劳损伤机理、进行果品振动缓冲包装提供了技术基础。     

西南地区综合干旱监测模型构建与验证

在全球极端天气事件越来越多的大背景下,准确监测西南干旱对区域农业可持续发展具有重要的现实意义。该文选取降水距平百分率(percentage of precipitation anomaly index,Pa)、标准化降水指数(standard precipitation index,SPI)、相对湿润指数(relative moisture index,MI)等3种气象类干旱监测模型以及植被供水指数(vegetation water supply index,VWSI)与归一化植被指数(normalized differential vegetation index,NDVI)等2种遥感类干旱监测模型,并分别与实测土壤湿度作相关分析,在此基础上选取相关系数最高的相对湿润指数与归一化植被指数为自变量建立综合干旱监测指数(comprehensive drought monitoring index,DI)。结果表明,综合干旱指数与土壤水分实测值有较好的相关性,监测精度可达88.38%;在不同海拔高度内,综合干旱指数的拟合效果比单一指数效果更好,精度更高;在分析2009-2010年西南特大干旱旱情发展的时空演变过程中,综合干旱监测结果与实际干旱情况有较好的空间一致性,监测效果佳。研究成果为西南丘陵山区干旱监测提供了一种新的方法。     

利用神经网络理论实现对水土流失快速遥感监测

在福建某地的实验表明,经训练的神经网络对TM卫星遥感图像中含有的植被、土壤、母岩、土地利用方式、地形、地貌、土壤含水量信息等都有一定的表达,直接利用TM陆地资源卫星信息识别判断水土流失等级的判对率可达80%以上。     

基于温度感知RFID标签的冷链厢体中温度监测

针对温度感知RFID(radio frequency identification)标签应用于冷链物流温度监测中缺乏有效数据验证的问题,该研究通过将42个温度感知RFID标签部署于冷链模拟平台中,划分了7个横截面、3个纵截面和两个层,设置了机械降温-冷链维持-自然回温3个不同阶段,同时在42个监测位点中选择7个位点同步部署了便携式温度记录仪,获取了不同条件下的温度监测数据,并与便携式温度记录仪数据和CFD(computational fluid dynamics)模拟数据进行了比较。7个温度感知RFID标签与便携式温度记录仪同步监测位点的数据表明,两种监测方法温差分布于±0.5℃范围内的数据点最多,占43.6%,温差分布于-1.0~-0.5℃区间的数据占了24.6%,考虑到2种设备自身的温度采集精度,温差在±0.8℃范围内可接的,其比例占71.3%,因此利用温度感知RFID标签进行冷链温度监测是可行的。对42个位点在3个不同阶段的温度监测数据表明,机械降温阶段各位点用时在1 h以内、冷链维持阶段大部分位点表现出温度在在0~4℃之间振荡的特征、自然回温阶段用时约49 h。深入分析机械降温阶段及冷链维持阶段不同截面的温度监测数据,结果表明3种截面均表现为降温初始阶段温度差值不稳定、稳定后具有明显的分布特征且离出风口较近降温较快的特点。以横截面2和横截面6平均温度为例,将温度感知RFID标签数据采集数据与CFD模拟数据进行比较,去除测量精度的干扰,截面2的均方根误差为0.73℃、平均相对误差为13.58%、截面6的均方根误差为0.56℃、平均相对误差为10.94%,具有较好的空间一致性。研究结果可为实现冷链物流中低成本、连续的温度监测奠定基础。     

基于GIS与神经网络的黄土丘陵区土壤水分模型研究

土壤水分不足是黄土高原丘陵区植被建设的主要限制因子,土壤水分的空间分布受外界气象因子、土地利用与复杂地形等的影响,关系比较复杂。本研究利用黄土丘陵区纸坊沟流域的土壤水分试验资料,建立了基于GIS的BP神经网络模型,模型中同时考虑了多个因子对土壤水分空间分布的影响,利用实测资料对网络进行训练后对整个流域进行了预测,预测结果与实际情况较为一致,表明应用GIS与BP神经网络研究区域复杂地形下的土壤水分分布规律是可行的。     

包装箱内层装果品差压预冷温度场的数值模拟与验证

差压预冷能够快速降温,是果蔬采后处理的重要方法,温度是整个过程的核心,为了更精准地监控预冷包装小环境的温度变化,该文充分考虑果品采后的呼吸热和蒸腾潜热,建立包装箱内带衬垫层装球形果品的差压预冷数学模型,基于计算机流体力学,借助Fluent软件采用标准κ-ε模型和SIMPLE算法,利用UDF(user define function)模块实现热源项的加载,模拟包装箱侧面上开孔率为11.2%的圆形、键槽形2种开孔工况下间隔、平方间隔和错位间隔3种排列果品的瞬态温度场,并进行试验测试比较,得到的温度变化与模拟结果吻合性较好,验证了所建模型的可靠性。平方间隔排列时果品的温度分布较均匀,间隔排列时整体预冷较慢;水果内部存在温度梯度,表面和中心温度相差高达7℃左右;键槽形开孔利于冷风的横向扩散,错位间隔时较圆形开孔预冷均匀度提高约10%,温度低2℃。预冷时建议开孔设计与内部果品的排列相协调改善气流组织,错位间隔排列时键槽形开孔较宜。     

基于压缩感知的鲜食葡萄冷链物流监测方法

为了在冷链物流全程监测中,科学而高效地采集信息,该文应用压缩感知（compressed sensing,CS）技术,构建了面向鲜食葡萄冷链物流过程的监测方法,该方法根据感知数据特征构建了双正交小波变换稀疏矩阵,以更好的实现对传感数据的稀疏表示,根据冷链物流的特点构建了数据传输模型,以更好的完成数据的压缩采样传输。同时在模拟冷链条件下对方法系统进行了重构误差性能及节点能耗情况测试验证。结果表明,所提出的方法具有良好的压缩效果,数据的压缩比约为91%,能够通过对传感数据的压缩采样传输,实现数据的高精度重构,恒温下温湿度重构绝对误差分别为0.07℃和0.05%,变温下的则为0.15℃和0.006%。采样压缩采用传输后的汇聚节点电压衰减速率要低于直接传输方式,能有效的延长网络的生命周期。     

基于改进的轻量化卷积神经网络火龙果检测方法

在自然环境下对火龙果进行实时检测是实现火龙果自动化采摘的必要条件之一。该研究提出了一种轻量级卷积神经网络YOLOv4- LITE火龙果检测方法。YOLOv4集成了多种优化策略,YOLOv4的检测准确率比传统的YOLOv3高出10%。但是YOLOv4的骨干网络复杂,计算量大,模型体积较大,不适合部署在嵌入式设备中进行实时检测。将YOLOv4的骨干网络CSPDarknet-53替换为MobileNet-v3,MobileNet-v3提取特征可以显著提高YOLOv4的检测速度。为了提高小目标的检测精度,分别设置在网络第39层以及第46层进行上采样特征融合。使用2 513张不同遮挡环境下的火龙果图像作为数据集进行训练测试,试验结果表明,该研究提出的轻量级YOLOv4-LITE模型 Average Precision（AP）值为96.48%,F1值为95%,平均交并比为81.09%,模型大小仅为2.7 MB。同时对比分析不同骨干网络,MobileNet-v3检测速度大幅度提升,比YOLOv4的原CSPDarknet-53平均检测时间减少了132.33 ms。YOLOv4-LITE在GPU上检测一幅1 200×900的图像只需要2.28 ms,可以在自然环境下实时检测,具有较强的鲁棒性。相比现有的目标检测算法,YOLOv4-LITE的检测速度是SSD-300的9.5倍,是Faster-RCNN的14.3倍。进一步分析了多尺度预测对模型性能的影响,利用4个不同尺度特征图融合预测,相比YOLOv4-LITE平均检测精度提高了0.81%,但是平均检测时间增加了10.33 ms,模型大小增加了7.4 MB。因此,增加多尺度预测虽然提高了检测精度,但是检测时间也随之增加。总体结果表明,该研究提出的轻量级YOLOv4-LITE在检测速度、检测精度和模型大小方面具有显著优势,可应用于自然环境下火龙果检测。     

基于GA的果树仿形喷雾神经网络混合模型研究

基于BP神经网络研究果树施药仿形喷雾参数之间的关系发现,BP神经网络无法避免不稳定性和局部极小的局限性,为此,该文利用遗传算法优化BP神经网络的权系数,构建遗传算法和BP的果树仿形喷雾神经网络混合模型。研究结果表明：混合模型的计算精度比BP模型要高,其平均相对误差由0.05减为0.019,均方误差由0.005减为0.002。在预测应用中,不仅绝对误差减少,而且合格率从原来的60%提高到80%,较好地解决了单纯神经网络模型的不稳定性,避免局部极小的缺点。     

基于自组织神经网络模型与质构特性的牛肉嫩度评定方法

为了实现对牛肉嫩度品质的快速无损检测和评价。该文选取60头牛的眼肌部位作为试验样本,经在75~80℃的水浴中加热并煮至肉的内部温度达到70℃后取出,冷却至室温(20℃)。利用质构仪测得牛肉黏力、黏性、弹力、弹性长度、内聚性、弹性、胶着性和咀嚼性等质构特性参数,并分析各参数与牛肉嫩度等级之间的相关性,黏力和黏性与牛肉嫩度的相关性较低,相关系数为0.246和0.096;弹力、弹性长度、内聚性、弹性、胶着性和咀嚼性与牛肉嫩度相关性较大,且成负相关,说明上述流变学参数值会随着牛肉嫩度等级的增大而下降,相关系数为-0.92、-0.939、-0.771、-0.776、-0.815、-0.882。结合感官评定法构建BP网络模型、RBF网络模型和自组织竞争神经网络模型,用其预测牛肉嫩度等级,3种模型训练误差均为1×10-6。另选取20头牛的背最长肌中间部位作为测试样本,对3种网络模型进行比较分析。研究结果证明,自组织竞争神经网络预测模型较为准确,预测牛肉嫩度等级的准确率达到90%,说明此方法能够准确地对牛肉嫩度等级进行评定,研究结果为未来牛肉嫩度评定方法提供参考。     

果树施药仿形喷雾神经网络模型及其应用

在试验的基础上,建立了反映果树施药仿形喷雾过程参量与分布质量系数之间映射关系的BP神经网络模型,在建模中运用了正交试验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术,对网络结构及其参数进行了优选。结果显示,网络模型输出同试验结果相关系数R达到0.99,表明具有广泛的适应性。同时,该网络可以实现各种定量分析计算,例如：预测在特定过程参量下的分布质量系数,或者根据指定的效果目标,确定合适的喷雾参量等。     

基于BP神经网络的电控单体泵柴油机标定方法

为了寻求电控单元与发动机的最佳匹配,该文开发了基于MPC555的HC4132UPS电控单体泵柴油机台架标定平台,借助台架标定正交试验获取样本数据。使用BP神经网络建立了柴油机稳态性能与控制参数间的数学模型,进行了柴油机功率、油耗和排放与控制参数间的线性回归,其输出响应的复相关系数都在0.94以上,表明该网络具有很好的泛化能力及预测性能。将神经网络建立的数学模型作为性能优化的约束条件和目标函数,采用遗传算法进行了优化。试验结果表明系统能完成标定数据的采集工作,基于神经网络建模和遗传算法优化的标定方法是高效和可行的。     

采用BP神经网络和Burgers模型的细观参数标定

PFC软件作为一款成熟的离散元分析软件,由于在处理连续与非连续介质方面的出色表现,得到了广泛的应用。但是PFC软件所需要的细观参数均需要采用室内试验数据通过试错法反复调试才能获得,效率低、盲目性高,严重影响后续试验数据,因此急需一种新的细观参数校准方法。本文以玉米秸秆颗粒的单轴蠕变试验为基础,结合离散元软件PFC 2D,通过正交试验多因素方差分析方法分析了Burgers模型宏细观参数之间的影响关系,从而证明宏细观参数之间存在着复杂关系,不宜采用通过回归分析获得宏细观参数之间的关系式的方式标定细观参数,适合利用BP神经网络进行参数标定,利用创建的BP神经网络对细观参数进行标定,根据测试组的标定结果分析得出Burgers模型各细观参数的标定精度均在92%以上,且误差较为稳定,而且训练好的神经网络相关系数R>0.96,从而证明BP神经网络的细观参数标定性能较为可靠。将玉米秸秆单轴蠕变试验的宏观参数带入训练好的BP神经网络中进行细观参数标定,比对模拟蠕变试验与物理蠕变试验发现,两者的蠕变曲线基本一致,应变量的最大误差为2%,证明了BP神经网络具有良好的参数标定能力,可为PFC参数标定提供一定的参考价值。     

基于BP神经网络的橡胶苗叶片磷含量高光谱预测

为验证高光谱技术在橡胶苗叶片磷素营养诊断方面的可行性,该文以砂培橡胶苗为研究对象,利用高光谱仪测得不同磷处理水平下橡胶苗叶片光谱反射率,并应用微分技术求取去噪后光谱反射率一阶和二阶导数,以叶片磷含量和光谱变量相关性分析为基础,选择出叶片磷含量敏感波段,最后以敏感波段为输入变量,结合多重线性回归、偏最小二乘回归和反向传播神经网络模型对叶片磷含量进行预测。结果表明:原始光谱反射率555和722 nm、一阶导数674、710、855、1 091、1 197、1 275、1 718、2 181和2 228 nm以及二阶导数816、890、1 339、1 357和2 201 nm为叶片磷含量敏感波段;反向传播神经网络模型预测精度最高,训练集和验证集中预测值和实测值之间的相关系数r分别为0.964和0.967,均方根误差RMSE分别为0.0139和0.00856,模型性能指数(ratio of performance to deviation,RPD)分别为3.71和3.23,证明高光谱技术可以快速、准确诊断橡胶苗叶片磷含量。     

参考作物腾发量主成分神经网络预测模型

为解决采用神经网络模型预测参考作物蒸发蒸腾最Eto研究中预测能力不足的问题,将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析,提取主成分,建立了基于主成分的三层BP神经网络模型.选取崇川水利科学试验站2001年到2004年的旬气象资料,采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模犁作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与Eto之间的关系,尤其对训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.