基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。     

基于BP神经网络的农业高科技投资项目风险评价模型

在建立农业高科技投资项目风险评价指标体系的基础上,引入人工神经网络建模方法,建立基于BP神经网络的农业高科技投资项目风险评价模型,并运用实例对其进行了训练和预测,取得了较好的结果,说明该模型能较为准确地按照专家的评价方法进行工作,为农业高科技投资项目提供了现实可用的风险预测及风险控制工具,同时进一步显示出神经网络模型在现代农业经济非线性领域应用的广阔前景。     

基于BP神经网络模型的桂西资源富集区土地生态安全评价

【目的】科学客观地进行土地生态安全评价,提出可行有效的土地生态系统优化对策,为桂西资源富集区土地生态安全的维护及未来发展提供参考。【方法】基于BP神经网络方法构建土地生态安全评价模型,通过分析影响土地生态系统的自然、经济、社会3个主导因素,建立桂西资源富集区土地生态安全评价指标系统,对2008—2017年桂西资源富集区土地生态安全程度进行评价。【结果】桂西资源富集区2008—2017年土地生态安全程度均属于一般安全状态,且由一般安全状态逐步接近较安全状态;其中百色市、河池市、崇左市分别在不同因素下的土地生态安全程度存在较大差异,且差异在逐年增大。【结论】为了避免桂西资源富集区土地生态安全系统存在发展失衡的倾向,建议桂西资源富集区政府优化营商环境,坚持"绿水青山就是金山银山";制定合理的耕地保护政策,缓解人地矛盾关系。     

基于BP神经网络模型的都市休闲农业园景观规划方案评价

以功能定位、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个指标作为输入层,以印象成绩作为输出层,建立了BP神经网络模型,用来评价都市休闲农业园区景观规划方案.结果表明:BP神经网络模型具有良好的非线性逼近能力,评价误差在5％以内,具有较高精度.本研究对都市休闲农业园景观规划方案评价具有实际意义.     

基于BP神经网络的旅游资源评价模型分析

当前关于旅游资源评价具有很强的主观色彩,各评价模型中变量多、非线性强。BP神经网络模型利用MATLAB计算程序对旅游资源进行评价,能最大程度避免主观因素对评价结果的影响。利用文献比较法、理论分析法和专家咨询法,构建包含7个一级指标和16个二级指标的评价指标体系,在此基础上设计了评价模型,重点分析了评价模型中误差取值,并将评价模型应用于几个主要城市的旅游资源评价中,其评价结果及误差范围均满足要求。     

基于BP网络的无林地立地质量评价模型研究

以薄山林场大岭林区马尾松Masson pine人工林为研究对象,在用单形地位指数BP模型确定本试验区的马尾松人工林地位指数模型的基础上。再次运用BP神经网络建模技术构建立地因子与地位指数关系的模型,以对无林地立地质量进行评价,结果反映所建的BP神经网络模型能较好地对无林地的立地质量进行评价。与Richards生长函数的比较结果表明,Richards生长函数的平均拟合精度为95．19％,平均预测精度为94．32％;BP模型的平均拟合精度为95．66％,平均预测精度为96．02％。与多元回归模型的比较结果表明,多元回归模型的平均预测精度为73．47％,BP模型的平均预测精度为86．06％。     

基于BP网络的查新工作人员服务质量评价研究

将BP神经网络理论应用于查新人员服务质量评价领域,采用定量、定性相结合的方法。建立查新员服务质量评价体系及其影响因素之间的非线性关系。通过采集数据对模型进行训练和测试,表明采用该方法所建立的评价模型是有效的。为考核评估查新员工作状况,促进查新队伍健康良性发展提供积极方案。     

基于GIS的BP神经网络洪涝灾害评估模型研究

洪涝灾害损失的大小不仅与洪灾的自然属性有关,还受地形、天气气候、人口、社会经济状况及其分布等因素影响.基于GIS技术及其背景数据,实现GIS空间信息单元格点上淹没水深的模拟和空间社会经济数据的展布,并针对影响洪涝灾害评估的复杂因子对各空间单元格点损失评估的不确定性和复杂性,提出了BP神经网络计算方法,运用matlab神经网络工具箱实现区域洪涝灾害的快速评估,建立了基于GIS的BP神经网络洪涝灾害评估模型.运用此方法,通过少量的样本资料,对鄱阳县洪涝灾害经济损失个例进行评估,评估结果误差为12%.     

基于BP神经网络的中国城镇化质量差异研究

改革开放以来,中国的城镇化进程快速推进,在城镇化快速发展的同时,也产生了诸多问题,城镇化质量状况逐渐受到高度重视。为探清中国城镇化质量状况,通过构建指标体系,应用BP神经网络方法,对中国31个省级行政区(包括直辖市和自治区)的城镇化质量状况进行了差异研究和分析,并提出了具有针对性和可行性的建议。     

基于SOM与BP神经网络的葡萄酒质量评价

葡萄酒有着非常高的营养价值,而决定其营养价值的主要因素是葡萄酒的质量指标。葡萄酒的主要质量指标大体可分为感官指标和理化指标。根据酿酒葡萄和葡萄酒的理化指标,对给定的葡萄酒样品进行质量评价。采用自组织特征映射网络(SOM)对给定的酿酒葡萄样品进行分类,并对酿酒葡萄和葡萄酒的理化指标以及葡萄酒的质量进行聚类,同时采用BP神经网络对结果进行了验证。研究表明,红葡萄与红葡萄酒的理化指标之间的相关性比白葡萄与白葡萄酒的理化指标之间的相关性要大得多;酿酒葡萄和葡萄酒的某些理化指标(白葡萄酒的总糖、红葡萄酒的蛋白质和pH值)、葡萄酒的果香、发酵香物质对葡萄酒质量有显著影响。     

BP神经网络方法在城市土地生态安全评价中的应用——以武汉市为例

以武汉市为例,选取21个指标构建土地生态安全评价指标体系,选用BP神经网络方法,通过输入指标数据对网络进行训练,评定出武汉市土地生态安全等级。结果表明2,008、2009年武汉市土地生态安全为一般安全等级,2010年为较为安全等级。BP神经网络是一种切实可行的高信度的生态安全评价方法。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015 年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明：通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab 平台上训练精度设为0.005、学习率0.01 的BP神经网络方法可以很好地逼近非线性函数。用大于1/3 样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

基于BP神经网络的林木资源资产批量评估模型优化

批量评估具有效率高、费用低且满足大量评估等优点。论文以中龄林为例,将BP神经网络应用于林木资源资产批量评估。通过比较学习算法、隐含层节点数,运用敏感性分析法确定影响因子对评估值的贡献程度,筛选输入层因子,从而优化了林木资源资产批量评估BP神经网络模型结构。结果表明：贝叶斯正则化法优于L-M算法;年龄、利率、蓄积、树种为强影响因子,这4个因子对评估值的贡献度超过60％;最优模型结构为BR 9-10-1,该模型平均绝对误差为32．46元/hm2,平均相对误差为1．28％,决定系数达0．9997,模型拟合精度高,泛化能力强,能够满足中龄林林木资源资产批量评估的要求。     

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。     

基于神经网络的水产养殖水质预测模型研究

水产养殖池塘是一个多变量、非线性和大时延系统,很难用传统方法建立水质预测的精确模型.神经网络具有良好的非线性函数逼近能力,非常适合处理水质预测等复杂问题.利用BP神经网络模型,通过自适应的动态学习方法和模型优化,采用MATLAB神经网络工具箱建立了水产养殖水环境因子pH值预测模型.在预测模型中输入测试样本,将预测结果与实测值进行比较,平均相对误差小于1％.结果表明,所构建的基于自适应BP算法的水产养殖水质预测模型具有良好的精确性和准确性,能有效地预测养殖池塘的水质状况.     

基于BP人工神经网络算法的苹果制干适宜性评价

【目的】 建立苹果原料制干适宜性评价模型,实现基于苹果原料指标预测干制品品质的目标,为苹果制干专用化原料的筛选提供方法依据,为明确苹果干制品品质形成的基础物质提供数据支持。【方法】 以来自7个不同主产区的21个主栽品种,共34份苹果鲜果样本为研究对象,运用多种数据处理方法建立苹果脆片品质综合评价模型与苹果原料制干适宜性评价模型。（1）利用压差闪蒸干燥方法制备34份苹果鲜果的脆片样本,测定苹果脆片17项品质指标,采用因子分析进行降维并筛选得到苹果脆片品质评价核心指标,运用层次分析法得到脆片核心指标权重值,构建脆片品质综合评价模型并计算得到脆片综合评价得分。（2）测定34份苹果鲜果样本22项品质指标,与脆片核心指标进行相关性分析并筛选出与脆片品质相关的果实特征指标。选用29个样本以果实特征指标为输入,对应脆片综合评价得分为输出,利用误差反向传播（Error Back Propagation, BP）神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】 苹果脆片L*值、脆度、膨化度、可滴定酸含量、可溶性糖含量和粗蛋白含量被确定为不同样本脆片品质综合评价的核心指标,构建的苹果脆片品质综合评价模型为Y_综合得分=L*值×0.3724+脆度×0.2665+膨化度×0.1583+可滴定酸含量×0.0890+可溶性糖含量×0.0569+粗蛋白含量×0.0569。34个苹果鲜果样本制得的脆片综合得分范围为0.2069—0.7933,存在较大差异,得分排名前3的苹果样本为‘辽宁华红’‘辽宁华金’和‘山东烟富6号’,排名最后的苹果样本为‘陕西秦冠’。基于脆片核心指标与苹果果实品质指标相关性分析结果,筛选出苹果果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标作为果实制干适宜性评价的特征指标。以果实特征指标值为输入层,对应苹果脆片综合评分为输出层,建立BP神经网络学习模型,可实现苹果原料制干适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性,变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%,实际值与模型预测值线性拟合后决定系数R ²均大于0.95。【结论】 苹果制干适宜性可由果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标进行评价,建立的适宜性评价模型可实现基于苹果原料指标定量预测其制干适宜性。     

基于模糊BP神经网络的辽河口湿地水质评价

利用模糊BP神经网络法对辽河口湿地不同时期（汛期、非汛期和冰封期）不同区域（核心区、试验区和缓冲区）水环境质量进行水质评价。各样点监测结果表明,核心区全N（TN）和氨氮（NH₃-N）优于表水环境质量Ⅲ类标准,缓冲区和试验区中全N（TN）、全P（TP）和化学需氧量（COD）超Ⅳ类标准。建立以上述4个水质指标为输入变量、包含5个神经元节点的隐含层和1个水质类别输出结果所构成的BP人工神经网络,结合模糊数学综合评价法对输出结果进行隶属度分析。结果表明,核心区、缓冲区和试验区在汛期和冰封期评价结果相同,依次为Ⅲ类、Ⅳ类和Ⅳ类,而在非汛期评价结果依次为Ⅱ类、Ⅲ类和Ⅳ类,可见从试验区、缓冲区到核心区水质逐渐转好,说明湿地对污染物具有一定的净化能力。评价结果与实际监测数据基本吻合,说明模糊BP神经网络综合评价具有客观性和实用性。