基于CIE颜色空间构建烤烟外观质量预测模型

为探究烟叶表面颜色特征值与外观质量的关系,为烤烟外观质量评价体系的精准化、智能化发展提供科学依据,对河南烟区所产烟叶的颜色特征值进行测量,通过因子分析得出烟叶正面和背面共9个颜色参数作为输入指标,以各项外观质量评价指标为输出层,分别建立拓扑结构为9-11-1的BP神经网络模型,对外观质量进行预测评价。结果表明,收集的烟叶样品的各项颜色参数测定结果与外观质量评价结果均服从正态分布,具有良好的统计意义;通过CIE(国际标准照明委员会)颜色空间中的颜色参数构建的各项外观质量指标的预测模型中,均有90%以上的样本预测值与外观质量实际评价值的误差区间为0~1.0,其中,颜色、成熟度和叶片结构的R~2达到显著水平,身份、油分和色度3项指标的R~2达到极显著水平。构建的BP神经网络模型可依靠烟叶表面颜色参数实现对外观质量较为精准的预测,具有较高的可靠性。     

基于BP神经网络的粮食产量预测模型

提高我国粮食产量的预测精度与效率是人们关注的一个重要问题.BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单又非常有效的算法.将BP神经网络模型应用到粮食产量预测中,并建立了粮食产量的神经网络预测模型,结果表明BP神经网络应用于粮食产量预测是可行的.     

基于BP神经网络的土壤侵蚀预测模型对比

根据《中国水土保持公报》数据资料,基于反向传播(back propagation,简称BP)神经网络模型、万有引力搜索算法(gravitational search algorithm,简称GSA)和人群搜索算法(seeker optimization algorithm,简称SOA)优化的BP神经网络模型,研究以土壤类型、地形、坡度、植被措施、降水为输入,以土壤侵蚀模数为输出的BP、GSA-BP和SOABP模型对土壤侵蚀量的预测,并采用典型监测点的实测数据对模型进行验证。结果表明,3种模型均具有较高精度,可用于土壤侵蚀量的定量预测,其中SOA-BP模型的预测效果最优。本研究成果将为水土流失监测工作提供有效支持。     

基于BP神经网络的福建省耕地预测模型

福建省耕地严重短缺,人均占有耕地面积较小.随着经济的发展,人均占有耕地资源将进一步减少.针对这一现象,本文运用BP神经网络对福建省历年耕地面积进行拟合,建立预测模型,结果表明模拟效果理想.     

基于BP神经网络的材料腐蚀预测模型

通常使用灰色系统理论的方法对材料腐蚀数据进行拟合预测,为了深入研究材料的腐蚀特性和使用寿命,提出了材料腐蚀数据预测的神经网络模型。并将预测结果与灰色系统理论、回归模型等方法的预测结果对比,表明利用神经网络模型方法对材料腐蚀数据进行拟合预测具有一定的合理性,指出了进一步的研究方向。     

基于BP神经网络的材料腐蚀预测模型

通常使用灰色系统理论的方法对材料腐蚀数据进行拟合预测,为了深入研究材料的腐蚀特性和使用寿命,提出了材料腐蚀数据预测的神经网络模型.并将预测结果与灰色系统理论、回归模型等方法的预测结果对比,表明利用神经网络模型方法对材料腐蚀数据进行拟合预测具有一定的合理性,指出了进一步的研究方向.     

基于BP神经网络的我国农民收入预测模型

依据1978~2008年影响我国农民收入因素的相关数据,选取从事农业的人口、第一产业产值、乡村就业人员数等13个指标,依据标准化方法和BP神经网络方法,建立了关于农民收入的人工神经网络模型,并进行具体分析。结果表明,模拟值与真实值吻合较好,改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力。在此基础上,提出了增加农民收入的建议：一是推进城镇化进程;二是发展农村中小企业;三是鼓励集约经营;四是加强农村基础设施建设和农业科技投入。     

基于BP神经网络的一季稻发育期预测模型

为探究基于BP神经网络原理开展作物发育期预测的适用性,利用长江中下游地区一季稻多年常规气象观测和农作物发育期观测资料,开展模拟研究。结果表明,只考虑温度的有效积温模型,各物候期模拟值与观测值相关性较好,相关系数(r)在0.75以上,但模拟的绝对误差较大,移栽、拔节、成熟期模拟的平均绝对误差(MAE)超过5 d。进一步以有效积温模型为基础,分别引入降水量、相对湿度、日照时数,构建温度(T)模型、温度-降水(T-P)模型、温度-相对湿度(T-RH)模型和温度-日照时数(T-S)模型,经过BP神经网络训练后,4种模型在农作物不同发育阶段的模拟评价指标均得到明显改善,并以T-RH模型最优。对中间层节点数和训练次数2项参数进行优化后的T-RH模型,对各发育阶段模拟结果的均方根误差为0.3～1.2 d, MAE小于1 d,r值均超过0.96,且达到极显著(P<0.01)水平。     

基于BP神经网络的内蒙古第三产业增加值预测模型

宏观经济政策的制定必然要参照各次产业的发展水平,那么对产业发展水平进行评估和预测就显得十分必要。文章通过运用神经网络的建模方法对内蒙古自治区第三产业增加值进行分析,最后建立了单隐层的BP神经网络模型。模型的预测结果表明预测精度较高。     

基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。     

基于BP神经网络的灌区耗水量模拟预测模型

青铜峡灌区耗水量是一个复杂的非线性系统,受多种因素的影响,而农业耗水量是耗水大户.将影响灌区农业耗水量的主要因素:引水量、排水量、降雨量、蒸发量和地下水位埋深作为影响因子,建立青铜峡灌区灌溉耗水量的BP神经网络预测模型.结果表明,应用此网络,对2001-2003年灌区灌溉耗水量进行了预测,误差满足要求,精度较高,说明网络函数的选取和结构设计较为合理,该模型可用于灌区农业耗水量的预测.     

基于多元回归的BP神经网络生猪价格预测模型

生猪价格波动是由多种因素共同影响决定的,准确预测生猪价格对稳定农产品市场具有重要意义。首先分析影响生猪价格波动的影响因子及生猪价格变化规律和趋势,然后通过灰色关联度分析和Stepwise回归分析影响生猪价格波动的主要影响因子,再利用多元回归分析和反向传播(BP)神经网络构建BP-多元回归预测模型,对生猪价格进行预测,并对预测结果进行分析。结果表明,BP-多元回归预测模型较单一的多元回归和BP神经网络预测模型预测精度提高了10百分点以上,预测精度高达93.3%,大大提高了生猪价格预测的准确性和可靠性。     

基于BP神经网络建立初烤烟叶主流烟气中氢氰酸释放量的预测模型

【目的】建立准确、环境友好的氢氰酸释放量预测方法,以减少检测过程中氢氰酸对人体的危害。【方法】测定了182份初烤烟叶样品的主流烟气氢氰酸释放量和25种烟叶化学成分,采用BP神经网络,以卷烟常规化学成分烟丝水分、氯、丙二酸、挥发酸、钾、总氮作为神经网络的输入,主流烟气中氢氰酸作为输出,建立初烤烟叶主流烟气中氢氰酸释放量的预测模型。【结果】利用所建模型对28个样品进行外部验证,模型平均预测相对偏差为7.88%,大部分样品的预测相对偏差在10%以内。【结论】该预测模型预测精度良好,对于初烤烟叶具有广泛的适用性。     

基于烤烟理化指标构建烤烟感官质量预测模型

通过烤烟理化指标建立烤烟感官评价BP神经网络预测模型。以河南地区223个烤烟样本为研究对象,通过因子分析,筛选了12项烤烟理化指标作为网络输入变量、10项感官评价指标作为输出变量构建预测模型。结果表明:构建的10个网络预测模型目标值与预测值拟合度较好。各网络模型线性回归分析预测值和目标值均呈现极显著相关性。除劲头模型(R2=0.6839)外,其余各感官指标预测模型对样本的整体方差解释率均可达到70%以上。说明所构建的BP网络模型可以较好地对烤烟各感官指标得分进行预测评价。     

基于烤烟理化指标构建烤烟感官质量预测模型

通过烤烟理化指标建立烤烟感官评价BP神经网络预测模型。以河南地区223个烤烟样本为研究对象,通过因子分析,筛选了12项烤烟理化指标作为网络输入变量、10项感官评价指标作为输出变量构建预测模型。结果表明:构建的10个网络预测模型目标值与预测值拟合度较好。各网络模型线性回归分析预测值和目标值均呈现极显著相关性。除劲头模型(R2=0.6839)外,其余各感官指标预测模型对样本的整体方差解释率均可达到70%以上。说明所构建的BP网络模型可以较好地对烤烟各感官指标得分进行预测评价。     

基于烤烟颜色特征构建烤烟感官质量预测模型

为了解烟叶颜色特征对感官质量的影响,以豫中烟区烟叶颜色特征值为输入变量,烤烟感官质量指标为输出变量,分别构建拓扑结构为10-12-1的BP神经网络模型,对烟叶感官质量进行预测评价。结果表明,样本的颜色特征值与感官质量指标统计特征较好,均服从正态分布;所构建的BP神经网络模型的模拟值与目标值差异较小,其中杂气与刺激性的决定系数达到显著水平,香气质、透发性等其他7项指标的决定系数均达到极显著水平。所构建的BP神经网络预测模型拟合效果较好,在烟叶质量评估中可利用烟叶的颜色特征值对烟叶的感官质量进行预测评价。     

基于BP神经网络的农机总动力预测模型研究

利用黑龙江省1980～2007年农机总动力数据,对BP神经网络模型和现有农机总动力预测模型进行分析,建立了基于BP神经网络的农机总动力预测模型,并将该模型应用到2007年以后黑龙江省农机总动力的预测中,取得了良好的预期效果,为黑龙江省的农业机械化发展趋势和农机产品市场分析提供了一定的理论指导。     

基于BP神经网络的输油管道内腐蚀速率预测模型

采用BP神经网络技术,以原油硫含量、酸值、温度、压力和流速作为输入参数,以管道内腐蚀速率作为输出参数,建立了输油管道的内腐蚀速率预测模型.预测了各因素对管道内腐蚀规律的影响,结果表明:硫含量和酸值是影响输油管道内腐蚀的主要因素.预测结果和模拟实验数据吻合较好,表明BP神经网络模型能较准确地预测管道内腐蚀速率.     

基于BP神经网络的鲜食玉米速冻时间预测模型

速冻是鲜食玉米加工的关键环节,速冻时间的合理控制是决定鲜食玉米质量的关键因素。基于BP神经网络,建立了以玉米尺寸、形状系数、密度、比热容、导热系数、环境温度、初始温度、冻结温度为输入量,玉米速冻时间为输出量的鲜食玉米速冻时间预测模型,并与传统数值计算模型进行比较。结果表明:基于BP神经网络训练得到的预测值与实际值间的最大误差(约为1.23%)要略小于传统数值模型模拟所得值与实际值间的最大误差(约为3.66%)。表明基于BP神经网络的模型对鲜食玉米速冻时间的预测更加准确。