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。     

神经网络BP模型的设计与实现

应用人工神经网络中的BP前馈网络模型和改进的BP算法 ,对棉铃虫发生程度进行预测 ,结果表明 :该算法可靠 ,验证符合率达百分之百 ,在农作物病虫害预测方面有广阔的应用前景     

基于神经网络的宏观农业生产预测模型的研究

为探索宏观农业生产系统预测的新方法，构建了基于人工神经网络的预测模型，利用1994-2003年的气象、经济、生产、投入、技术、价格各方面的数据对我国粮食生产进行了拟合分析，并预测了2004年粮食总产，预测的结果为46125．46万t。结果表明，与灰色系统相比，本文建立的模型具有90％以上的拟合精度，模型具有容错能力、联想能力和学习能力．可以用来尝试解决农业生产系统预测问题。     

沈阳市灌区水田耗水量的试验与计算

对沈阳市十个主要水田灌区进行了两方面研究:彭曼-蒙特斯公式水田需水量的计算、水田渗漏量的试验和计算。最后得出沈阳市十个主要灌区的水田需水量、渗漏量和耗水量结果,为灌区工程的规划、设计和管理提供依据。     

毓宝台灌区水田耗水量研究

本文对沈阳市毓宝台灌区水田进行了三方面研究:彭曼-蒙特斯公式水田需水量的计算、水田渗漏量的试验和计算、水田土壤部分物理性质指标测试。最后得出沈阳市毓宝台灌区的水田需水量、渗漏量和耗水量结果,为沈阳灌区工程的规划、设计和管理提供依据。     

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神经网络的多因素城市生活垃圾产量预测模型研究

运用BP神经网络理论,通过对城市生活垃圾MSW与人口数、GDP、人均收入和人均消费的数据分析,研究建立了多因素BP神经网络模型,并以北京市城市生活垃圾数据进行应用,得到了较好的效果。该模型优于传统灰色理论模型及双因素BP神经网络模型,预测结果合理,精度高,实用性强。该研究方法对城市生活垃圾管理及环境规划具有一定的指导意义,对其他领域一些相关问题也具有实用参考价值。     

降水量的BP人工神经网络预测模型及其应用

由于影响因素的复杂性 ,预测降水量具有相当的难度。在假设区域长时间内降水量和蒸发量保持平衡的基础上 ,用 BP人工神经网络建立了陕西省汉中市的降水量预测模型 ,根据前 3个月降水量和蒸发量对降水量资料进行了模拟预测 ,结果认为其准确率为 84% ,合格率为 10 0 %。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

灌溉水质属性的人工神经网络评价方法研究

应用人工神经网络理论与方法建立了灌溉水质评价的BP神经网络模型 ,以对水质评价中普遍采用的盐浓度、渗透率、特殊离子及其毒性等 5个指标进行了示例分析计算 ,并与综合评价方法进行对比 ,所得结果表明神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系 ,评价水质简便可靠 ,采用该方法评价灌溉水质是科学的和客观的     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4个影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型。通过检验,2种预测模型拟合效果均较好,均能够较好地预测今后苹果的产量趋势。其中BP神经网络模型预测有较高精度,但存在局限性。     

BP神经网络模型在象山港水环境承载力研究中的应用

为研究近年象山港水环境承载力状况,根据2010—2013年象山港水质指标DO、COD、DIN和DIP的统计数据获取指标阈值,应用BP神经网络技术建立象山港水环境承载力研究模型。模型输入指标为DO、COD、DIN和DIP的监测值,输出为水环境承载力指数。应用构建的模型对2014年春、夏、秋、冬象山港水环境承载力进行研究,结果表明:2014年象山港水环境承载力指数季节平均值都小于0. 4,水环境承载力总体不理想。象山港湾内的水环境承载力整体高于外海。湾口受外海影响,水环境承载力常年偏低;内湾水环境承载力季节变化复杂,主要为局部影响;湾中部水环境承载力春季偏高,夏季偏低,这与生物活动有关。BP神经网络模型结构简单、数据结果直观可靠,可应用于象山港水环境承载力问题的研究。     

基于粒子群神经网络模型反演玉米、小麦叶面积指数

基于高分1号遥感影像,分别采用粒子群神经网络模型、神经网络模型和植被指数回归模型3种方法,反演廊坊市玉米、小麦叶面积指数(LAI)。结果表明,粒子群神经网络模型反演玉米、小麦LAI的精度要高于其他方法,其模型的决定系数R²均高于0.9,均方根误差均低于0.196,可满足反演精度的要求。本研究提出的基于高分1号影像的粒子群神经网络模型反演玉米和小麦LAI的方法具有一定的普适性。     

基于修正组合模型的包头市用水量预测分析

【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。     

基于BP神经网络的塔里木河月流量预报研究

对水文历史数据采用规格化方法处理后用BP神经网络模拟训练,建立了神经网络预报模型,并应用实例验证神经网络模型,结果表明运用该神经网络模型预测具有可行性和实用性.月流量预报研究可为塔里木河流域水资源的合理利用以及水权目标管理提供科学依据.     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。