基于前馈神经网络的变量施肥养分图的研究

通过插值方法合理利用土壤采样点的养分值估算非采样点的养分值,对于变量施肥决策和实施具有重要的意义.由于大采样间距插值地图的精确性无法得到保证,难以客观地描述农田的养分分布情况,因此提出一种不依赖于地理统计学推论的前馈神经网络模型,对大间距采样点进行插值.实验研究表明,与目前的插值方法相比,该模型有较好的准确性和可靠性.     

基于云模型的耕地土壤养分模糊综合评价

土壤养分综合评价在很大程度上存在着模糊性和随机性,为有效解决评价中定性概念与评价指标按隶属函数定量描述这一不确定转换问题,基于云理论及模糊数学原理,构建了基于云模型的耕地土壤养分模糊综合评价方法。以吉林省大安市为研究对象,选取耕作层中有机质等7个土壤养分元素的含量作为评价指标,利用熵权法确定各指标权重,计算得到评价对象的土壤养分模糊云综合指数(Cloud fuzzy comprehensive index,CFCI),并对CFCI进行COK插值,形成土壤养分CFCI等级分布图。结果表明:从评价结果的数据特征来看,研究区域CFCI范围在2.43~4.89之间,平均值为3.78,标准差为0.45,变异系数为11.85%,属于中等变异程度;从评价结果的空间分布格局来看,大安市耕地土壤养分综合水平呈现由北向南逐渐下降的趋势,且呈现耕地集中连片度越高的地方,土壤养分综合水平越高的特点。     

基于BP神经网络的新安江模型初始土壤蓄水量计算研究

[目的]克服传统经验折减系数法在计算新安江模型初始土壤蓄水量方面的缺点,并提高新安江模型在湿润半湿润地区的应用效果.[方法]结合流域初始土壤蓄水量的影响因素和神经网络模型特点,提出构建基于BP神经网络的新安江模型初始土壤蓄水量计算方法.[结果]在3种输入因子组合方式下,当BP神经网络隐含层节点大于11时,模拟训练期模型...     

基于Logislic的企业最佳分离模型研究

分析了企业成长机制后．采用Logislic规律增长的假设方法。合理引入生物依存型企业与宿主企业的概念，建立了其与之相应的企业模型．并对生物依存型企业建立了评价模型。在分析不同时期生物依存型企业和宿主企业关系经济性的基础上。得出了最佳分离时机。     

基于BP神经网络的葡萄干分级技术的研究

为了适应农产品机器视觉分级技术的需要,通过分析葡萄干的特征参数组合对BP网络识别率的影响,确定最能反映葡萄干形态特征的参数作为等级识别的依据.为此,以BP算法为基础,采用改进的BP算法,对网络进行训练;同时,建立了基于BP神经网络葡萄干分级鉴定模型.试验结果表明,该网络分级效果较好,其平均分级准确率达到93%.     

基于Hamming网络的苹果颜色分级研究

在基于计算机视觉的水果分选中,颜色是最主要的指标之一。为此,将Hamming神经网络应用于苹果的颜色分级。依据富士苹果的颜色将其分为3个等级,分析了各等级的平均色调累积直方图,据此构建了Hamming神经网络;从直方图上提取色调在0o,10o,20o,30o,40o,50o所对应的频度作为Hamming网络的输入向量;采集了3个等级各10个苹果图像作为训练样本,另外同样30个苹果图像作为测试样本。试验结果表明,Hamming网络颜色分级的准确率不低于96%,识别1个苹果的时间在0.1～0.2ms之间。     

基于模糊神经网络的温室控制系统

为了实现温室节能以及安全控制,针对温室环境的大滞后、多输入、多输出、非线性和难以建立数学模型等特点,提出用模糊神经网络进行温室温度控制的方法,采用神经网络在线调整训练模糊规则的控制方式,实现了温室内温度的模糊控制.利用该方法能提高温室控制系统的精确性、适应性和鲁棒性,有利于节能.结果表明,基于模糊神经网络的温室控制系统运行效果良好,控制过程响应快,无震荡,超调量小,稳态误差小,能满足使用要求.     

保护性耕作土壤肥力动态变化的研究-秸秆覆盖对土壤水分的影响(Ⅱ)

在3种秸秆覆盖量(CK0kg/hm2、A14000kg/hm2、A28000kg/hm2)条件下,研究了玉米田土壤水分的动态变化,其结果表明:秸秆覆盖处理可以增加土壤水分,主要表现在作物生育前期(7月份以前),以20cm土层内效果明显;秸秆覆盖处理增加土壤水分的效果,覆盖量4000kg/hm2要明显好于8000kg/hm2。     

基于模糊控制的温室控制系统的研究

温室环境系统是多输入、多输出的复杂系统,很难建立数学模型运用经典控制方法实现控制.而模糊控制无须建立被控对象的数学模型,适合于非线性、时变的系统.为此,介绍了温室控制系统的总体结构,建立了有效的隶属度函数和控制规则,探讨了通过离线建立模糊控制表,使用查表法进行模糊推理,实现了温室内的温度、湿度多因子的模糊控制.采用软件方法实现了模糊控制器的设计,节约了成本,方便了以后对模糊控制器的完善工作;同时使模糊控制器的响应时间大大缩短,满足了实时控制的需要.     

基于模糊神经网络的油水分离水力旋流器研究

油水分离水力旋流器广泛应用在各国石油工业,构建了基于模糊神经网络的油水分离水力旋流器模型。根据水力旋流器的实际生产条件,将水力旋流器入口的物性参数和分离期望值作为模糊神经网络模型的输入层节点,将旋流器的操作参数和结构参数作为模糊神经网络模型的输出层节点,实现了旋流器结构参数和操作参数的优化,并用实例证明了此模型的有效性。     

作物需水量自适应神经网络模糊系统的设计研究

通过自适应神经网络对大量实验数据(太阳辐射、空气湿度)的学习，得到学习后的作物需水量模糊系统的隶属度函数和模糊规则，所建立的Sugeno型模糊推理系统通过与自适应技术的结合，使建立的模糊模型很好地匹配了输入数据。该模糊模型能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，对精确灌溉和节水农业不仅有一定的理论意义，更具有巨大的实用价值。     

基于模糊神经网络的汽油机怠速控制

针对发动机怠速工况的非线性、时变性和精确数学模型难以建立的特点，提出了怠速控制的模糊神经网络方法；利用模糊神经网络的模糊信息处理能力及自学习：叻能进行发动机怠速控制，给出了BP网络模型。实验结果表明：使用神经网络对汽油机进行怠速控制效果良好．鲁棒性强，可有效提高发动机怠速品质，改善发动机的性能指标。     

基于人工神经网络的秸秆螺旋挤压成形机系统建模

秸秆螺旋挤压成形机理比较复杂,系统模型难以进行描述.为此,以物料含水率、螺杆头部与喷孔的出口间隙、物料的粒度为输入样本,生产率为输出样本,利用BP神经网络,建立了秸秆螺旋挤压成形机的系统模型.仿真结果表明:训练好的网络模型具有较高的精度,可以对特定条件进行输出预测,为系统参数优化提供参考.     

模糊神经网络在施肥决策系统的应用

针对施肥过程中普遍存在非线性和不确定性问题,对多种模糊神经网络进行分析比较,提出了适合施肥决策系统的FMLP模糊神经网络结构,采用FBP学习算法实现网络结构优化.通过对水稻在同一农田重复进行种植实验,结果表明所建系统可以提供最佳土壤施肥方案.