都市休闲农业园景观规划评价研究

采用AHP-TOPSIS方法建立都市休闲农业园景观规划方案评价模型,选择功能定位、空间布局、农业特色、交通组织、景区景点、服务设施、植被景观等7项指标作为评价因子.首先采用AHP法确定影响因子权重,然后采用TOPSIS方法进行优选排序.结果表明区分度较好,可以提供给都市休闲农业园区项目的决策者作为选择的依据,促进都市休闲农业园区的可持续发展.     

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理,再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力,可以满足预测的要求,因此,采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.     

模糊方法改进的反向传输神经网络预测南美白对虾养殖的水质

在南美白对虾高密度、规模化围塘养殖生产中,水质参数的监测、评价及预警是至关重要的。以杭州市某南美白对虾基地日常养殖水质为研究对象,选取温度、pH值、溶解氧、氧化还原电位等4项指标作为预测参数,建立拓扑结构为40-14-4的3层前馈反向传输(back propagation,BP)神经网络模型,即以连续10个时间单位的预测变量为输入层,隐含层节点数为14个,输出层变量为温度、pH值、溶解氧和氧化还原电位。为克服传统BP神经网络存在的收敛速度慢、易陷入震荡和泛化能力不强等缺点,采用模糊方法优化了自适应变步长BP神经网络算法,缩短了BP神经网络的训练时间,提高了网络收敛效率与稳定度。结果表明,以模糊方法改进的BP神经网络(FABPM)方法具有收敛速度快、预测精度高、稳定度好等特点,对选取的4项水质指标都给出了较好的训练与预测结果,预测的平均相对误差小于2.5%,从而为水产养殖水质预测与评价提供了一种新方法。     

基于高光谱数据的土壤含盐量BP神经网络模型研究

运用Hyperion数据,以黑龙江省大庆市某一实验区为例,进行了对土壤含盐量的定量研究,将BP神经网络模型(Back Propagation Network)应用到高光谱数据对研究地区土壤含盐量的反演中。通过对隐含层的传递函数、输出层的传递函数、训练算法的优化组合以及最适合隐层节点数量,得到最优的BP神经网络模型,实现了土壤含盐量的反演。对高光谱数据反演土壤含盐量采用BP神经网络具有一定的指导意义。     

基于神经网络的公路运输量预测模型及应用

以福建省公路旅客周转量和货物周转量的统计资料为基础,结合神经网络技术原理,应用BP神经网络方法建立3维输入、单输出、隐层单元数为15的3层神经网络模型,分别对福建省公路旅客周转量和货物周转量进行预测.结果表明,各月的旅客周转量和货物量预测值的最大相对误差的绝对值分别为0.4890%和0.4495%.该模型具有简便实用、预测精度高的优点.     

克隆选择粒子群优化BP神经网络电力需求预测

在普通BP算法基础上,引入克隆选择粒子群算法,建立电力需求预测模型.将当期国内生产总值、前期国内生产总值、人口、当期产业结构变化、前期产业结构变化等影响电力需求的因素作为网络输入,电力需求作为网络输出,同时选择合适的隐层节点数,确定模型的网络结构.利用克隆选择粒子群算法反复优化BP网络的权值组合,将优化后的权值作为BP神经网络的初始值,进行BP算法,直至网络达到训练指标.利用近几年相关输入输出变量年度数据,对建立的模型进行电力需求实证预测分析,并同普通BP神经网络预测结果进行对比.结果表明:基于克隆选择粒子群优化的BP神经网络不仅训练速度快,而且误差小,预测精度明显提高,说明该模型对于电力需求预测的有效性.     

基于BP神经网络的耕地土壤重金属污染评价——以宜宾市翠屏区土壤重金属污染评价为例

本研究将土壤重金属污染评价神经网络预测模型分为3层,7-6-1为该模型的神经网络结构,输入层共包括7个神经元,分别是土壤耕地有重要影响的Pb、As、Cr、Hg和Cd共5个重金属元素,以及2个限制条件:土壤类型(水田或旱地)和土壤pH值;以已知的成都市不同生态区土壤重金属指标作为本模型的训练和检验样本,本研究采用的软件为Matlab,利用这个软件训练和检验BP神经网络,然后对宜宾市翠屏区土壤中的重金属进行综合等级评价。评价结果显示BP神经网络对检验样本的模拟输出跟期望输出是相同的;同时,对研究区土壤重金属综合等级评价结果跟模糊模式识别、传统内梅罗指数评价法得出的结果也是基本一致的。     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

基于BP神经网络的油松人工林生长模型

以内蒙古大青山油松人工纯林作为研究对象,利用Matlab神经网络工具箱中的logsig、tansig、trainlm 等函数,采用二类调查数据中的平均年龄、郁闭度、地位级作为输入层,平均高为输出层,建立油松人工林树高生长BP人工神经网络模型.结果表明,模型的拟合精度为99.98％,检验精度为98.62％,说明该模型对当...     

基于径向基函数神经网络的高校图书馆用户满意度评价模型

如何客观准确的评价高校图书馆用户满意度是一个比较困难的问题.近年来,BP神经网络技术完全以客观数据为基础,可充分挖掘出潜在的有用信息,有效避免人为主观因素的影响,成为高校图书馆用户满意度评价的热点之一.相比传统BP神经网络,将学习速度更快、易于收敛的径向基函数神经网络技术应用于高校图书馆满意度评价中,重点论述了径向基函数神经网络评价模型的设计和实现,并通过实例分析验证了该模型的有效性.     

基于BP神经网络的婴幼儿奶粉质量安全评价模型研究

针对婴幼儿奶粉质量安全评价问题,提出了基于BP神经网络的评价模型;以湖南卓跃生物科技有限公司日常监测数据为样本,筛选并选择了与婴幼儿奶粉质量安全评价最为相关的27种指标因素,以27种指标因素组成输入层,评价结果组成输出层;针对隐含层节点个数,首先利用试凑法预估范围,然后利用MATLAB仿真确定最佳的隐含层节点个数,最后利用10组数据对神经网络评价模型进行了仿真验证。结果表明,提出的评价模型是可行和有效的。     

BP神经网络模型在香菇中SO2含量分析中的应用

以‘庆元9015’香菇作为研究对象,以香菇样品的生长天数(d)和样品中总SO2-3含量、鲜香菇样品的SO2含量和采摘期的出菇时间(d)为输入层参数,以干香菇中SO2含量为输出层参数,建立三层BP神经网络模型,经过356次训练后模型收敛,模型具有满意的预测能力。     

基于KPCA-SSA-BP的农业气象灾害预测

农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明,在旱灾受灾率的模型评价指标对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%;在洪灾受灾率的模型评价对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子,构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源,通过对6种BP神经网络的训练方法进行训练,经过反复筛选找出最优模型并与传统胸径-树高模型作比较;最后将BP神经网络中的输入因子从2个增加到6个后,经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳,R²和MSE分别为0.963 0和1.168;2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响,BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势;均方误差（MSE）呈现先下降后上升的趋势,两者都在节点数为10时有极值,此时的模型为最优模型;3）当输入因子为胸径和优势树高时,油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1）,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7;当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时,最优模型结构为6∶10∶1,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出,在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法;BP神经网络模型与传统模型相比,BP神经网络模型不需要目标方程结构,并且模拟和预测的精度均要优于传统模型;在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

基于相空间遗传BP神经网络的径流预测研究

基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。     

基于BP神经网络的球墨铸铁组织和力学性能预测

以合金化元素与组织和性能关系为研究对象,从42组实验数据中,选取33个作为训练样本,9个作为验证样本,采用BP神经元网络原理,以珠光体球墨铸铁组织和力学性能的主要影响元素作为输入量,模型由3层神经元组成,分别为输入层、隐含层和输出层,建立了合金成分对珠光体含量的影响规律的神经网络模型,珠光体含量、铁素体含量及球化率和硬度及强度关系的神经元网络模型.用建立的网络模型预测结果表明,该方法对球墨铸铁的珠光体含量和力学性能预测具有很好的准确性,有效地解决了球墨铸铁化学成分、显微组织与力学性能之间的关系难于描述的问题.     

萤火虫优化算法耦合人工神经网络的膨胀土胀缩量预测

为了提高膨胀土胀缩量预测的精度,本文耦合萤火虫算法优化和BP神经网络对膨胀土胀缩量进行多因子预测。选用蒙脱石含量、液限、塑性指数、含水量、干密度、粘粒含量、上覆压力等7个膨胀变形量指标作为BP神经网络输入参数;利用萤火虫算法全局寻优的特点优化BP神经网络的初始权值与阈值;建立评价指标体系,对比分析本文模型与传统BP神经网络模型。结果表明,萤火虫算法优化的BP神经网络模型对膨胀土胀缩量的预测精度高于传统神经网络,该模型可以应用于膨胀土胀缩量预测领域。     

基于GA-BP神经网络的玉溪市耕地生态安全评价

【目的】尝试在BP神经网络的基础上引入遗传算法进行耕地生态安全评价,以解决BP神经网络在进行土地生态安全评价中收敛速度慢及局部极小值等局限性问题。【方法】依据玉溪市耕地现状,建立由生态压力与生态支持两个子系统组成共计18个指标的评价指标体系,利用综合指数法和基于遗传算法的BP神经网络相结合的方法,对玉溪市2001—2015年的耕地生态安全进行分析评价。同时对BP神经网络及GA-BP神经网络的评价结果进行对比分析。【结果】(1) 2001—2015年,玉溪市耕地生态安全指数由0.772 7下降到0.280 2,由较安全(II)下降到较不安全(IV)。(2) GA-BP神经网络模型较传统BP神经网络模型训练及预测误差小,收敛速度快,评价结果准确程度高。【结论】GA-BP神经网络模型可用于耕地生态安全评价,并且由于其网络性能的改进,具有较强的应用价值。     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。