基于GA-BP神经网络的果园需水量预测

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.     

基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。     

基于GA-Adam优化算法的BP神经网络农业灌水量预测模型

针对传统BP神经网络预测农业灌水量时存在易陷入局部最小值、难以选择合适学习率的问题,提出了一种基于遗传算法和Adam算法并行优化BP神经网络的农业灌水量预测模型.该模型利用遗传算法对BP神经网络进行初始权值和阈值的预筛选,然后采用Adam算法来实现学习率自适应于参数梯度不断更新.收集黄河流域陇中片灌溉分区内7个典型灌区...     

基于DPA-BP神经网络的地下水质综合评价

为了提高地下水质量的预测精度,提出了一种由海豚群算法与BP神经网络结合的水体质量评价方法(DPA-BP)。算法的主要思想是将求解BP神经网络最优权值和阈值的过程转化为海豚群捕食寻求最优位置的过程,通过逐代寻优,确定BP网络评价水环境质量的最优权值、阈值。并对文献[9]中8个采样点地下水的数据与其他算法进行对比评价。结果表明,DPA-BP算法对地下水质评价的精确性高、稳定性好,具有较好的鲁棒性和实际工程实用价值。     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。     

尿素对土壤水分传感器测量精度的影响

土壤水分的精准测量对节水灌溉、墒情监测、水肥一体化等领域具有重要意义,土壤氮含量会影响水分传感器的测量。为了消除这种影响,设计了不同尿素质量对不同水分含量土壤样本的监测实验,采用高灵敏度水分传感器并对尿素干扰下的输出电压进行监测,通过称重法监测土壤样本的含水率,使用LCR电桥测试仪监测土壤样本的电容和电阻。为了研究氮含量影响水分测量的机理,根据实验数据建立了三元三次多项式、BP神经网络、深度学习3种预测模型,并对预测结果进行误差分析。结果表明,相同土壤含水率条件下,尿素质量与土壤水分传感器输出值呈周期性的振荡关系。3种预测模型的平均绝对误差分别为0.77%、0.64%、0.75%,BP神经网络模型有98%误差集中在0~2%区间,误差峰值仅为2.07%,确立BP神经网络模型为最佳抗尿素干扰水分预测模型。     

基于遗传算法近红外光谱检测土壤养分的研究

利用可见/短波近红外光谱(Vis/SW-NIRS)分析测量土壤速效氮(N)和速效钾(K)。探讨遗传算法在分析测量土壤养分上的应用,根据优化结果采用最小二乘支持向量机(LS-SVM)方法建立校正模型。结果表明,LS-SVM模型优于PLS模型;GA-LS-SVM模型预测速效氮的精度较高。基于遗传算法可见/短波近红外光谱利用LS-SVM建模,可以作为一种土壤理化性质的测定方法。     

基于SA-PSO优化神经网络的拖拉机齿轮箱故障诊断

采用模拟退火算法,并融合了遗传算法的杂交和变异思想,对粒子群进行寻优运算,利用优化后的SA-PSO对BP神经网络权值和阈值进行优化.通过对拖拉机变速箱的齿轮故障进行诊断,结果表明,该方法解决了基本粒子群算法迭代速度慢容易陷入早熟问题;同时克服了传统BP算法容易陷入局部最小问题.与传统BP算法和Elman算法比较,在网络性能、收敛速度方面均优于前者,可以推广应用到其他故障模式和特征量之间具有非线性关系的故障诊断领域.     

基于PCA优化—BP神经网络算法的农田土壤养分评价

为达到对膜下滴灌土壤养分综合评价的目的,采用描述性统计分析、主成分分析(Principal Component Analysis,PCA)和Back Propagation(BP)神经网络方法对通辽市科左中旗农田土壤养分进行评价,结合单因子指数法,并与传统方法中运用最广的模糊数学综合评价结果进行对比分析。依据《全国第二次土壤养分分级标准》,经实测数据验证,结果表明:2015年和2016年科左中旗农田土壤养分综合评价良好;将PCA与BP神经网络相结合的方法运用到解决土壤学问题中,可获得客观的结果;经检验PCA与BP神经网络模型相结合的评价方法适用于因子多且复杂、精度要求高的样本。将PCA与BP神经网络相结合既可以解决信息过多、分析困难的问题,又可以降低模糊性、减少精度下降,将各自优点有效的联系在一起,相较传统方法可以更加科学合理、准确有效地对土壤养分进行综合评价。     

基于图像处理新技术的甜菜氮营养无损检测系统的研究

当前农业甜菜生产中存在普遍的氮肥过量使用的问题,建立实时准确农田氮肥推荐体系至关重要。为此,通过利用BP神经网络算法利用图像数据对甜菜氮素含量进行预测,通过合理剔除原始数据中不符合拍摄条件的异常图像数据,选取147组数据作为训练集,90组数据组为预测集,将R、G、B作为输入量,通过BP神经网络算法训练得到预测值与实际值最优相关系数为r=0.70,均方根误差RMSE=4.60。将R/(R+G+B)、G/(R+G+B)、B/(R+G+B)作为输入量,利用BP神经网络算法训练后预测值与实际值最优相关系数r=0.6 4,均方根误差RMSE=3.66。由此可以看出:使用BP神经网络算法建立甜菜颜色特征信息氮素模型是可行的,可为农业甜菜生产中实时无损诊断植株氮素含量提供方法支持。     

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统,凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题,本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子,在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上,构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对,结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569,其各项指标性能均优于上述3种对比模型,该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试,其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价,对实现蛋鸡生产环境的最优控制,促进蛋鸡生产性能的提升具有重要意义。     

基于改进BP神经网络的黑龙江农机总动力预测

BP神经网络在人工神经网络中起着至关重要的作用,通过分析标准BP神经网络的基本算法,指出标准BP算法的一些不足,并针对这些不足提出了以一种以相对误差作为误差传递信号的新的改进方法。经试验证明:该方法大大提高了BP神经网络预测结果的精度,同时这种新的改进思想也可以结合其他改进方法一起应用,以更大程度上地提高BP神经网络的运算速度和预测精度。     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.     

基于物联网的浮标水质监测系统与溶解氧浓度预测模型

为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。     

基于近红外光谱的神经网络预测大米直链淀粉含量

借助主成分分析，确立了用于近红外光谱分析的BP神经网络的输入输出模式对；并用BP神经网络方法建立了不同类型、不同粒度的大米样品直链淀粉含量预测模型；考察了模型的预测能力，其预测值与用标准方法取得的化学测定值间具有良好线性关系（相关系数达0．9）。用BP神经网络可降低因样品粒工的不同而对预测结果造成的差异。     

基于SPA-SSA-BP的小麦秸秆含水率检测模型

为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Succes...