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。     

农业信息网站服务质量评价指标优化研究

提高农业信息网站服务质量是有效解决农业信息化发展瓶颈的方法之一。科学的网站服务质量评价,可以提高用户获取信息的效率,同时网站设计者通过了解影响其服务质量的主要因素,可以优化网站资源配置。笔者参考服务质量管理的有关原理和已有的指标设计方法,构建了一个农业信息网站服务质量评价通用模型,利用R型系统聚类法探索描述性指标项优化问题,以避免指标项之间存在的相关、重复情况,最后以40个茶叶信息网为实验对象进行数据采集与分析,构建农业信息网站服务质量评价影响因素的多元回归模型,得出在信息服务系统构建过程中影响信息服务质量的重要因素。     

基于BP神经网络的冬季日光温室小气候模拟

为了系统分析日光温室内外气候特征的关系,向日光温室作物环境调控及小气候预报提供支持,根据冬季日光温室内小气候观测试验资料和附近气象站观测资料,利用BP神经网络方法建立3个模型,分别对3种不同天气状况下石家庄地区日光温室冬季小气候特征进行模拟。结果表明,3个模型气温训练值与实测值的均方根误差(RMSE)都在2℃以内,决定系数都在0.95以上;相对湿度训练值的RMSE都在2个百分点以内,决定系数均高于0.95;接受到的太阳辐射的训练值与实测值的RMSE都在16 W/m2以内,决定系数也均超过0.95。利用此模型得到的气温预测值与实测值的RMSE都在2℃以内,决定系数都在0.9以上;相对湿度预测值与实测值的RMSE都在4个百分点以内,晴天和少云-多云状况下决定系数均高于0.9,寡照状况下的决定系数略低,约为0.8;接受到的太阳辐射的预测值与实测值的RMSE都在26 W/m2以内,决定系数均超过0.95。说明所建BP神经网络模型对于不同天气状况下石家庄地区日光温室冬季小气候特征模拟都有较高的精度,可以用于预测。     

离差最大化结合BP神经网络评价烟叶化学品质

为解决烟叶化学品质现有组合评价方法的不足,探讨离差最大化组合评价法与BP神经网络相结合进行评价。选取4种典型单一评价法,首先采用改进熵权法和AHP法确定指标权重,然后根据离差最大化原理计算组合评价值,最后利用BP神经网络对组合评价值进行反演。结果表明,离差最大化组合评价值与单一评价法相关性较其他组合评价法更高,平均相关系数为0.9822;BP神经网络对组合评价值有较高的预测准确性与稳定性,预测值与实际值相对误差不超过3%,决定系数大于0.9900。说明,离差最大化组合评价法对单一评价法的组合效果更好,BP神经网络提高了组合评价的便捷性。     

基于多特征的BP神经网络多种植物叶片病害识别研究

为准确识别植物的健康状况,更好地对植物进行健康管理和治疗,以芒果、柠檬和石榴3种植物健康和病害叶片为研究对象,设计BP神经网络模型对植物健康状况进行识别。首先提取植物叶片表型特征数据,包括叶片颜色特征、形状特征和纹理特征。其中使用小波变换提取植物叶片的纹理特征,并用PCA主成分分析法对提取的特征数据降维。其次建立BP神经网络模型对植物进行分类识别。采用不同特征组合进行实验,识别准确率最高可达83.9%。采用颜色、形状和纹理组合特征建立的BP神经网络植物叶片健康识别模型具有最好的识别效果,可以便捷、高效地识别植物病害。     

基于模糊数学与神经网络的农业产业集群评价研究

针对目前农业产业集群评价研究现状较少状况,尝试运用模糊数学方法对指标数据运用隶属度函数处理,以一级模糊综合评价向量作为神经网络评价模型的输入,再运用神经网络模型对农业产业集群进行评价,神经网络的非线性处理能力使农业产业集群评价更加科学化,并以连云港农业产业集群评价为例给出了实证研究。     

基于BP神经网络的玉米膳食纤维挤压改性预测模型

以玉米为原料进行挤压试验,开发基于双螺杆挤压的玉米膳食纤维改性的BP神经网络预测模型。此网络模型以螺杆转速、喂料速度、含水量和机筒温度为输入单元,以糊化度、吸水性(WAI)和水溶性(WSI)为输出单元,拥有一个8单元的隐含层。网络输出和目标输出之间的相关系数为0.984 46,预测误差小于10%,具有较好网络性能,能够实现对玉米糊化度、吸水性和水溶性等挤压性能的预测。进一步开发人机交互图形化用户界面设计(GUI),方便预测模型的应用。     

基于PEST分析的中国农业电子商务 竞争环境研究

摘 要：农业电子商务是一种先进的商务模式,能改进中国农业市场流通环节存在的突出矛盾。中国农业电子商务还处在网上农业商务信息服务发展的初期。作者运用了竞争情报理论中的PEST分析工具,从政治、经济、社会以及技术四个方面分析了中国现阶段农业电子商务行业所处的宏观竞争环境。研究结果表明,中国目前的农业电子商务行业虽然在信用体系、农产品标准化等方面还存在很多不足,但基本的硬件条件已具备。制约农业电子商务发展的主要障碍是农民用户比较传统的意识形态。农业电子商务企业首先应充分认识到开展农业电子商务的必要性,然后以国家农业政策为依托,努力提高农业电子商务的认知度,帮助农民用户转变传统思维。     

基于BP神经网络的储粮就仓干燥通风时长预测模型

基于储粮通风传热传质模型模拟数据,建立就仓干燥通风时长的BP神经网络预模型,并在MATLAB进行仿真模拟实验。结果表明,该模型能够用于就仓干燥通风时长预测,具有很好的应用价值。     

基于BP神经网络的土壤重金属污染评价方法——以包头土壤环境质量评价为例

为了克服国标(GBl5618—1995)内梅罗综合污染指数评价土壤环境质量时存在的缺点,借助BP神经网络模型,并结合GIS技术对包头土壤重金属污染的空间分布进行研究。实地调研获得221个土壤样,利用原子荧光光谱法和等离子体质谱法测试得到8种重金属含量数据。统计结果表明,研究区主要为Pb、Zn污染,考虑研究区特异性构造神经网络学习样本,建立基于特征模式的BP神经网络土壤环境质量评价模型。根据采样点评价结果,利用Kriging插值法绘制包头土壤环境质量专题图,分析得出包头土壤环境呈沿昆都伦河被污染的条带特点。结果表明,根据采样统计量信息利用BP神经网络模型,能够有效建立特殊研究区土壤中各种重金属含量与环境质量之间的非线性映射关系,为土壤污染的来源、分布、累积效应和主要影响因素以及污染链的阻断提供依据。     

Research and Development of Evaluation system Based on Neural Network and Expert System

As a single system of evaluation, both neural network (NN) and traditional expert system (ES) have many limitations. Developing evaluation system integrating NN with ES is an available way to offset their weakness. With black-box module, a new frame of evaluation system is developed in relative independent method. Then, a way of programming and realizing evaluation system, which is more close to human thinking, is put forward.     

Evaluation of Academic Degrees and Graduate Education Based on Neural Network

With the development of the academic degrees and graduate education, evaluation is the important measure for guaranteeing the quality in the area. With increasing complication of the target of the evaluation of academic degrees and graduate education , it is necessary to introduce nonlinear method of the evaluation, which has great significance for the validity of the result of the evaluation. Neural networks have been developed greatly in recent years,they have the advantages of nonlinear mapping,parallelity ,adaption, etc. Therefore , they are good tools of nonlinear modeling. On the basis of setting up the model of the evaluation based on neural network ,this paper presets the practical value of the method.based them.     

The Research of Using BP Neural Network in Prediction of Woods Fire Insurance Grade

The relation between circumfluence index and woods fire.index is described. BP neural network is trained by the known circumfluence index and woods fire index. The restricted feedback and stimulant feed forwardcalculation are to realize self-organizational learningof BP Network.Thereby the nonlinear mapping between circumfluence index and woods fire.index isperformed. With this network, characteristic choice can be carriedout and the accurate prediction of woods fire insurance grade can be given. Its accurate prediction rate is 89%in spring and 82%in summer. The correctnessand feasibilityare illustratedwith the simulate results.     

Malfunction Diagnosis of Three-phase Full-bridge Controlled Rectifier Based on BP Neural Network

The diagnosis of the power electronic circuit is very intricate. One of the main reasons is that the structure of the circuit will change if the power device is not working .The thyristor is the easiest to be mangled. So diagnosing the malfunction is the most important about the diagnosis of the power electronic circuit. The paper puts forward a malfunction diagnosis of the thyristors of three-phase full-bridge controlled rectifier with BP neural network. After analyzing the output waveforms of malfunctioning circuit and training a BP neural network with the sampling data of malfunctioning waveforms, a well training BP neural network is constructed and used to diagnose the malfunction. The simulation and experiment demonstrate that this method is valid.     

Evaluation Method Based on Artificial Neural Network in Contractor Prequalification of Tenderers

Both tenderees and tenderers attach much importance to contractor prequalification before bidding because it plays important roles for both and so far the Score Method has been widely used in our country. But the weights in the method are man-made, which may be affected by personality inevitably. In order to avoid this influence, this thesis will introduce another method based on artificial neural network. This thesis expatiates the principle of artificial neural network, and analyzes the characters of prequalification. Then, the author sets up the mathematics model. In the end, the author analyzes this method by an example.     

BP神经网络在2005年太湖蓝藻水华预警中的应用

蓝藻水华是目前中国乃至世界面临的重大环境问题之一。为了有效地减少及预防蓝藻水华带来的影响,收集苏州市吴县1986—2007年的气象资料,运用主成分分析法,分析了太湖蓝藻暴发前一个月的主要限制因子及其相互关系。气温、气压、相对湿度、降水是影响叶绿素a浓度的主要限制因子。结合2005年1—10月太湖各区域蓝藻叶绿素a浓度的含量,利用Matlab R2010a软件,建立了基于BP神经网络的蓝藻水华预警模型,可为采取相应措施和控制蓝藻水华提供科学依据。     

Improved Learning Effect Synthetic Evaluation Method Based on Backpropagation Neural Network

Aim at the practicability issue,study effect-evaluating model based on B-P NN was improved on evaluation standards,evaluation model and training swatch.Evaluation standard effectivity was added to set the conversion function of network crytic-layer nodes as'tansig' and that of output-layer nodes as'logsig'.The taining swatch was improved.The simulation results validated the evaluation veracity of the model.     

Fault Diagnosis in Hydraulic Turbine Governor Based on BP Artificial Neural Network

The governing system of hydraulic turbine generator plays an important role in power system. It is significant to find out the faults of governing system and remove them quickly. This paper sets up a new fault diagnosis model of the hydraulic turbine generator governing system with the advanced ANN (artificial neural net). This 17-in-13-out model consists of three layers. It is proved that this model can find the fault accurately.     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。