共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
本研究为了寻求一种对肉牛胴体性状预测准确性较高的方法,运用DPS数据处理系统和SAS软件比较偏最小二乘回归、GM(1,N)灰色系统和BP神经网络3种常用的预测模型对肉牛胴体性状的预测能力。选择肉牛7个宰前生长性状(体高、体长、胸围、腹围、管围、宰前活体质量、平均日增体质量),对2个重要的胴体性状(胴体质量和净肉质量)进行预测。结果表明:偏最小二乘回归方法在肉牛胴体性状预测方面准确性最高;GM(1,N)灰色系统和BP神经网络预测准确度偏低。本研究还将3种预测结果相结合,取其均值,大大提高了预测的准确性。这一研究将为肉牛生产实践提供一定的科学参考。 相似文献
3.
4.
5.
6.
7.
8.
9.
10.
对气象条件和新城疫发病率进行相关性分析,结合动物流行病学理论确定影响新城疫发病的关键气象因素。利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验。结果表明将6种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.760,证实预测效果较好。初步构建出新城疫发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考。 相似文献
11.
为了解决羊只称重时因应激反应过大导致测量不精准问题,试验搭建了羊群动态称重系统并设计了一种改进GA-PSO-BP神经网络的羊群动态称重方法,即利用滑动平均滤波算法对干扰数据进行平稳处理,采用改进GA-PSO混合算法优化BP神经网络的权值和阈值;并对BP神经网络、PSO-BP神经网络、改进GA-PSO-BP神经网络三种模型进行训练和性能比较。结果表明:改进GA-PSO-BP神经网络的预测准确度最高,预测误差在1.00 kg内的体重值占85%;平均绝对百分比误差为0.679 6%,较BP神经网络(1.007 4%)和PSO-BP神经网络(0.975 2%)都有明显提升,但测量单只羊只所需时间为11.2 s,较PSO-BP神经网络(10.5 s)稍低。说明改进GA-PSO-BP神经网络的羊群动态称重方法可满足牧场智能化饲养需求。 相似文献
12.
为了解决BP神经网络在对含根土抗剪强度的预测中存在的预测精度低,计算收敛速度较慢,容易陷入局部极值等问题,本研究通过直剪试验、团聚试验、根系分形分析试验等探究了不同因素对含根土抗剪强度的影响,并对各因素进行相关性分析,从中选取了大团聚体含量(R0.25)、平均重量直径(MWD)、几何平均直径(GMD)、土壤分形维数(Dd)、根表面积、平均直径6个影响含根土抗剪强度的因素作为模型输入层节点,含根土的抗剪强度作为输出层节点。参考FangfaGorman理论公式、Kolmogorov理论公式以及一种经验公式分别计算,并对结果进行讨论,确定了本研究中神经网络的最佳隐含层节点数量为13。建立6∶13∶1的BP神经网络模型,并引入了烟花算法(FWA)对BP神经网络进行优化。结果显示,BP神经网络、粒子群算法(PSO)优化的BP神经网络、FWA-BP神经网络的预测值与期望值的最大相对误差分别为11.12%、9.06%、7.44%,平均相对误差分别为4.60%、3.24%、1.96%,相较于BP神经网络和PSO-BP神经网络,FWA-BP神经网络预测误差值有明显降低;对比引入的统计参数,均方根误差(R... 相似文献
13.
14.
为探究降水数据产品的高精度空间插值方法及其应用差异,以BP神经网络和支持向量机模型为研究对象,选取甘肃省为研究区域,构建降水量空间插值模型,分别完成基于两种模型的甘肃省降水量空间插值结果,并划分西区、中区、东区3个建模分区,对比分析两种模型空间插值的精度和应用差异。结果表明:支持向量机模型的插值精度显著高于BP神经网络模型,且支持向量机模型在降水空间分布中能体现更多细节;西区平均相对误差最大,其中,BP神经网络模型32.32%,支持向量机模型仅23.74%;东区平均相对误差最小,BP神经网络为8.28%,支持向量机模型为6.15%;另外,分区建模的插值精度有所提高,但两种模型的提高幅度存在差异,BP神经网络的平均相对误差降低了5.08%,支持向量机模型仅降低0.66%,表明支持向量机模型更加稳定,对影响降水量的经纬度和高程等因子自身变异性的适应能力更强。此研究解决了常用的反距离权重、样条函数、克里金插值等方法在降水量插值过程中准确性差,精度低的问题,为提高降水量空间插值的精度提供了新方法和思路。 相似文献
15.
对气象数据和猪蓝耳病发病率进行相关性分析,结合动物流行病学理论确定影响猪蓝耳病发病的关键气象因素.利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验.结果表明,将13种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.821,证实预测效果较好.初步构建出猪蓝耳病发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考. 相似文献
16.
17.
18.
《科技视界》2014,(18)
DEA是一种基于线性规划理论、广泛应用于效率评价的系统分析方法,属于事后评价的范围。BP神经网络的容错能力、学习能力、纠错能力使其在非线性系统预测方面有着广泛的应用。目前DEA与BP神经网络的混合模型已得到广泛研究,其可以在资源投入阶段就进行评价,这样一旦发现问题可以及时调整,变事后评价为事前控制。但是软件的分离使用极大地限制了此混合模型的应用。本文基于DEA与BP神经网络,利用MATLAB将DEA软件与BP神经网络工具箱结合在一起,设计开发了混合效率预测模型系统。利用此系统可以进行效率预测,及时调整投入指标以减少投入资源的浪费,提高能源利用率,并且此系统提供了良好的人际交互界面,避免了复杂的人工操作。 相似文献