径向基函数网络与WebGIS融合的苹果病虫害预测

以ArcIMS为二次开发平台,开发了基于Java技术和MVC架构的苹果病虫害预测预报系统平台,在建立了20余种苹果病虫害预测模型的基础上,采用动态数据交换技术（DDE）实现了GIS分析功能与病虫害预测模型的集成;具有空间数据和属性数据的分析处理、苹果病虫害预测预报、WebGIS信息发布等功能;可以通过地图或专题图、数据表格、图形或文字等多种形式预测预报苹果病虫害发生时间和发生程度。以苹果山楂叶螨为例,详细阐述了系统中径向基网络模型的构建,该模型的测试准确率为87.5%,高于BP神经网     

基于径向基函数神经网络右江灌区有效灌溉面积的预测

根据人工神经网络的理论和方法,建立径向基函数神经网络模型,以右江灌区的统计数据为例预测该灌区的有效灌溉面积,结果表明模型有较强非线性处理能力和逼近能力,具有学习时间短,预测精度高,适应性强等优点。     

基于高斯径向基函数神经网络的十字路口车流量预测

采用径向基函数预测功能的神经网络,对十字路口的车流量进行实时预测,仿真实验结果表明使用该神经网络对交又口车流量进行预测可以得到令人满意的结果。     

基于径向基神经网络农机数量预测的研究

提出了利用径向基神经网络对农机数量预测的方法 ,通过选取合适的训练参数,径向基网络能够得到满足要求的预测结果,农机总动力、拖拉机数量、农具数量的误差平方和分别为0.0056、0.0470、0.2713。利用测试集对网络进行测试,农机总动力预测值与真实值的误差最大为-7.17%,最小为0.22209%。研究结果表明,径向基神经网络能有效提高预测精确度,较好地预测非线性条件下的农机数量,证明了实验方法的有效性和可行性,为人工神经网络在农业机械化的应用提供了一个新的途径。     

基于WebGIS的农业病虫害预测预报专家系统

以开源版MapGuide为WebGIS二次开发平台,结合.net技术开发了具有B/S三层网络架构的农业病虫害预测预报专家系统.依循专家经验预测方法构建病虫知识库,知识存放于SQL Server 2000数据表中,病虫害种类按照地理区域划分,各表所包含的病虫害影响因子描述、特征临界值、判别条件组合以及发生等级间构成一种网状模型.系统采用基于知识的前向型推理与基于系统案例推理相结合的方式.用户依据系统的向导式提示以及数据输入规范输入病虫害监测数据,系统将病虫害发生程度以GIS专题图、数据图表及文字等多种方式反馈给用户.实际运行结果表明,该系统操作性强,预测结果可靠直观.     

基于径向基函数神经网络的工程车辆自动变速控制

径向基函数(RBF)神经网络(简称径向基网络)具有较强的输入输出映射功能,理论证明其在前向神经网络中是完成映射功能的最优网络。工程车辆自动变速技术的核心是按照某种目标寻找最佳挡位,是一个非线性映射分类问题。提出了基于径向基网络的工程车辆自动变速控制方法,以保持液力变矩器工作在高效区为目标,利用车辆传动试验台换挡控制试验的数据对径向基网络进行训练,并进行了验证性的仿真试验。仿真结果表明,该方法能够根据车辆运行状态确定最佳挡位。     

苹果病虫害数据处理系统设计与实现

首先,对系统进行分析,选用了合适的系统结构和配置方案;然后,分析了相关的关键技术,并在系统实现中得到了相应的结果。测试与应用结果表明,该系统功能设置合理、运行稳定,能够作为农业病虫害管理、田间数据分析与精细农业研究的一种工具软件。     

基于SVM的RBF网络在农机总动力预测中的应用

径向基神经网络是一种单隐层的三层前向网络,具有结构简洁、学习速度快等优点。为此,分析了径向基神经网络采用传统聚类方法确定基函数中心存在的问题,提出了一种基于支持向量机聚类确定径向基网络基函数中心的方法。该方法以最大间隔原理和结构风险最小化原则为前提,利用核方法把输入空间的样本映射到高维特征空间完成聚类工作来确定基函数的数量。采用改进的方法训练的径向基神经网络对黑龙江省农机总动力进行非线性时间序列预测,结果表明:改进的网络在确定网络结构、学习速度和提高网络预测精度方面都有较好的效果。     

2011年临猗县苹果主要病虫害发生特点与防治策略

通过剖析苹果树主要病虫害发生特点、发生原因与发生程度,提出了有效的防治方法。     

基于径向基神经网络优化汽车除霜性能研究

为了提高汽车的除霜性能,在出风口处增加横格栅,然后选择出风口的长度尺寸和出风角度作为设计变量,使用径向基函数神经网络找到设计变量的最优组合方案。经过优化后,前挡风玻璃上的风速分配更合理,并消灭了除霜死角,在20 min时,前挡风玻璃玻璃的霜层基本完全除净,汽车空调的除霜性能得到明显的提高。     

基于RBF神经网络的农田土壤含盐量预测

介绍了径向基函数神经网络的原理、训练算法,并建立了基于径向基函数神经网络的农田土壤含盐量预测模型.通过实例验证,该模型具有较强的非线性处理能力和逼近能力,运算速度快,性能稳定,预测精度较高,泛化能力强,可用于生产实践中.     

径向基神经网络在猪胴体瘦肉率预测中的应用

猪胴体瘦肉率(LMP)是评价猪肉品质的重要指标之一,在生产线上快速而准确地预测出其数值并进行分级是并不可少的。目前,国内大部分厂家依然采取屠宰后人工称重测量的方法,耗时耗力,且存在相当大的误差。为此,随机抽取了116头皖北地区商品猪,选定眼肌面积、背膘厚及腿臀比作为参考数据,以Mat Lab工具箱作为研究工具,利用BP、Elman和RBF等3种不同的神经网络建立预测模型,统计后进行比较分析。实验表明:3种模型的神经网络均可用于瘦肉率预测,但RBF网络误差最小,训练速度最快,学习能力最强,最适合用于建立瘦肉率的预测模型。     

基于径向基神经网络的叶轮轴面投影图优化

为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径、后盖板圆弧半径、前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX 14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面投影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合。研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测泵设计点效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性。因此,叶轮轴面投影图的优化设计方法是可行的。     

基于RBF神经网络的种猪体重预测

针对猪体生长参数之间具有一定的自相关性、部分参数与体重间呈非线性关系、通过线性回归模型预测猪体体重存在着自变量间共线性及拟合优度较低等问题,以52头长白母猪的生长参数为基础,通过最近邻聚类算法,构建了基于RBF神经网络的种猪体重预测模型。通过线性回归检验法对种猪体重预测值与实测值进行分析,发现基于RBF神经网络的长白种猪体重预测模型的拟合优度R2为0.998,而线性回归模型的R2为0.891。结果表明：通过RBF神经网络方法建模,消除了线性回归分析中自变量的共线性问题,预测效果优于线性回归模型。     

RBF网络在电喷发动机故障诊断中的应用

提出了一种用RBF网络（径向基函数网络）简化汽车故障诊断仪数据流功能的方法.首先建立了RBF网络故障诊断模型,然后以捷达ATK型发动机为例,设计故障样本集,用大量的故障样本集数据对网络进行训练和仿真,并与BP网络作了比较.结果表明,RBF网络比BP网络更适合于故障诊断,可以简化故障诊断仪的数据流功能.     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

基于神经网络的灌溉用水量预测

采用改进的BP网络对灌溉用水量进行了预测,针对BP网络的不足,采用遗传算法对网络初始权重进行了优化,并采用LM(Levenberg-Marquardt)算法进行了误差逆传播校正。通过引入遗传算法和LM算法,网络比传统的BP网络无论从精度和训练时间上都有了较大的改进。最后对湖北省宜昌市东风渠灌区进行实例分析,证明了该方法的有效性。