基于改进SSA-BP神经网络的复烤水分和温度预测

为解决烟叶复烤中加工一致性问题,为复烤工艺参数设置提供依据,本文针对工艺参数建立了BP神经网络模型对烟叶的水分以及温度进行预测。提出了采用Tent混沌映射改进的麻雀搜索算法(SSA)优化神经网络,提升模型的各方面性能。最后以麒麟复烤厂某个批次烟叶复烤加工的数据进行实验验证,并与未优化的BP模型、未改进的SSA-BP模型、GA-BP模型和PSO-BP模型进行对比,结果显示,Tent-SSA-BP模型在预测精度和性能上都更好,为复烤工艺参数设置提供了依据。     

安徽省旱涝受灾时空特征及与降水关系研究

旱涝灾害是安徽省主要的气象灾害,对农业生产有着重要的影响。研究安徽省旱涝灾害变化特征对降低灾害损失十分重要。基于安徽省2000—2017年旱涝受灾面积数据、降水数据,利用M-K突变检验、趋势分析法和相关性分析方法研究了安徽省旱涝受灾情况以及降水对其的影响。结果表明：安徽省旱涝受灾面积年际变化较大,且干旱受灾面积要高于洪涝受灾面积;旱涝受灾情况分别在2013年和2007年存在明显的突变,通过突变前后区域受灾情况对比可知,旱灾受灾率有明显的下降趋势,洪涝受灾率大部分呈下降趋势,但长江下游区以及长江-东南诸河区呈上升趋势;旱灾受灾面积整体都有下降趋势,南方地区下降趋势尤其显著,洪灾受灾面积南方呈上升趋势,北方呈下降趋势,且旱涝受灾面积的升降趋势与降水存在一定的关系;在3个极端降水指数中,强降水日数与旱涝受灾面积的关系最为密切。     

2000-2019年我国农业气象灾害灾情特征分析

气象灾害是制约农业生产的重要因素之一,对气象灾害的灾情特征进行分析,可以为我国农业技术发展、防灾减灾决策部署提供依据。基于2000—2019年农业气象灾害数据,本文对近20年我国主要农业气象灾害的受灾特点和变化规律进行分析,结果表明,近20年间,我国主要农业气象灾害引起的农业受灾面积均有不同程度下降;虽然旱灾引起的农业受灾面积下降趋势最为明显,但其目前仍然是我国最主要的农业气象灾害;作为第二大农业气象灾害的水灾,其农业受灾面积整体呈下降趋势但存在起伏波动变化。风雹灾和冷冻灾引起的受灾面积仅占农业受灾总面积的10%左右,且均呈不显著下降趋势。未来农业发展和防灾减灾工作中,应加强政策导向,不断提升农业技术创新推广、完善气象灾害预测预警系统、制定全面有效的灾害应对措施。     

GA-BP组合预测方法在北洛河年径流量预测中的应用

为寻求较为合理的径流量预测方法,利用GA-BP组合模型进行径流量预测的研究,首先利用GA算法(Genetic algorithm)全局搜索能力定位出一个较好的搜索空间,再利用BP算法(Back propagation)神经网络的局部寻优能力,以陕西省北洛河状头站实测数据为基础进行径流量预测。结果表明：利用GA-BP组合模型预测2001—2010年结果的相对误差分别为-8.9%、-12.6%、-7.4%、9.4%、-7.6%、15.0%、-5.5%、10.7%、13.3%和-8.2%,预测精度较高,从相对误差和训练次数比较可以看出,GA-BP组合模型优于基本BP模型和GA模型。     

基于遗传神经网络的采暖季PM10浓度预测

用GA算法和BP算法相结合的算法预测西安市PM10污染浓度,首先采用GA算法优化BP神经网络模型的初始权重,再用BP算法进行精确训练,在此基础上进行浓度预报。实例表明GA-BP神经网络解决了BP神经网络收敛速度慢和易于陷入极小值的问题,提高了预测精度。     

基于GA-BP神经网络的灌木生物量估测模型

【目的】应用以遗传算法优化的BP(GA-BP)神经网络构建灌木生物量估测模型,以有效避免回归分析建模中自变量及模型形式选择的复杂问题。【方法】以灌木林地的荆条为试验对象,应用遗传算法优化BP神经网络的结构、初始权值和阈值,通过BP神经网络训练构建荆条最优地上生物量估测模型,并与传统的应用回归分析方法构建的模型进行对比分析。【结果】仿真结果表明,GA-BP神经网络模型和回归分析模型的模拟精度分别为77.65%和71.79%,估测精度分别为81.46%和75.64%,GA-BP神经网络模型的精度略高于回归分析模型。【结论】应用GA-BP神经网络构建灌木生物量模型是可行的,能够实现灌木生物量的快速估测。     

四川省主要气象灾害对农业经济的影响分析

气象灾害是影响四川农业经济发展的主要因素,从灾害损失与受灾率角度,以四川省2010～2019年相关气象数据为对象,使用计量软件,对气象灾害与农业经济的影响相关性进行分析,展现了气象灾害对四川省农业经济的影响。结果表明：暴雨洪涝灾害对四川省农业经济的影响最为显著,其受灾率最高,引发受灾面积最大,总共造成的经济损失最为严重,暴雨洪涝、旱灾、风雹和冷冻灾害均不利于四川省农业总产值的增加。自然灾害直接经济损失与暴雨洪涝、旱灾、风雹灾害相关系数为正,与冷冻灾害相关系数为负。暴雨洪涝、旱灾、风雹灾害、冷冻灾害与农村居民人均可支配收入和农村居民人均消费支出均呈现负相关。     

基于PSO-SVR模型的河南省小麦产量预测方法

小麦生产是河南省农业生产中的重要环节，在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度，综合考虑影响小麦产量的相关因素，基于皮尔逊相关系数分析特征变量与产量之间的相关性。选取支持向量回归(support vector regression, SVR)模型解决小麦估产中的复杂性、非线性及小样本等问题。引入粒子群算法(particle swarm optimization, PSO)对SVR模型的惩罚因子(c)和核参数(g)进行优化，提高SVR模型的预测精度。以河南省1978—2019年小麦产量数据及其特征变量数据构建数据集，并与BP、Elman等神经网络模型及优化模型进行对比仿真试验。结果表明，PSO对SVR模型的优化效果明显高于传统的神经网络，PSO-SVR模型预测结果的4项评价指标均优于其他模型。其中，PSO-SVR模型的平均绝对百分比误差MAPE为0.87%,与SVR模型相比误差降低了57.4%、与PSO-BP模型相比误差降低了64.8%。PSO-SVR模型能够提高小麦产量预测精度，稳定性好，可为小麦产...     

基于气象数据挖掘的广东省农业高温灾害预测研究

【目的】对广东省气象观测数据挖掘分析,以广东省农业气象灾害中的高温为例,预测可能存在的灾害及其等级.【方法】在缺乏灾害判定规则和历史灾情等先验知识的条件下,应用模糊C均值聚类算法(FCM)挖掘得出关键属性的聚类中心和隶属度矩阵,建立灾害等级判定规则,进而通过气象观测数据预测可能即将发生的农业气象灾害及其等级.通过误差反向传播(BP)神经网络算法对气象观测历史数据及同期发布的灾害等级数据进行学习,训练后的网络模型可以准确地揭示内在的灾害发生规律,进而通过气象观测数据精确地预测可能即将发生的农业气象灾害及其等级.【结果和结论】BP和FCM 2种数据挖掘方法在缺乏先验知识的条件下,均可以通过气象观测数据准确预测农业气象灾害,结果对比表明前者预测气象站点灾害等级的精度略优于后者.     

基于GA-BP算法的土壤墒情预测

利用遗传算法的全局寻优能力优化BP神经网络连接权值,建立基于GA-BP算法的土壤墒情预测模型具有绝对误差小和收敛速度快的优点,且避免了BP算法易陷入局部极小值的缺点,该模型预测的平均绝对误差为1.11%,具有较好的预测精度。     

安徽省近33年农业气象灾害年景评估

利用安徽省1978-2010年农作物播种面积、受灾类型及其受灾面积资料,分析农业气象灾害时空分布特征;采用灰色关联度及农业气象综合灾损模型,开展农业气象灾害年景评估.结果表明:安徽省气象灾害造成的农作物受灾面积年际波动大;农业气象灾害空间分布特点为淮北地区最重,江淮之间南部和沿江地区次之,大别山区、皖南山区以及部分城市周边相对较轻.各类气象灾害对农业受灾的影响大小依次为:暴雨洪涝＞旱灾＞风雹灾＞低温雨雪冰冻灾,其中暴雨洪涝和旱灾影响大,受灾程度重;安徽省农业气象灾害较轻年景出现频率为55％,其中灾害最轻年份为1981年,而较重年景占12％.灾害最重的年份为1991年.上述年景评估结果与安徽省农业受灾历史记录较吻合.     

基于粒子群优化神经网络混合模型预测马尾松毛虫发生量

针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子和延拓均生函数序列作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4.01%;虫口密度PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为3.32%;有虫株率PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.     

基于CPSO-SVM 的小麦条锈病预测模型研究

针对BP神经网络在建立模型时没有确定网络结构的缺点和支持向量机(SVM)模型参数选择对预测精度影响大的局限性,提出一种结合混沌系统的粒子群算法(CPSO)去优化SVM模型的惩罚因子C和核函数中参数σ的混合模型,利用混沌系统的不确定性理论使传统的粒子群算法能有效克服收敛速度慢、容易达到局部最优值的缺点,使CPSO算法能更快、更准确找到全局最优值.经过参数优化SVM模型有效提高了预测精度并利用新的混合模型对宁夏地区小麦条锈病流行级别进行预测.结果表明,相对于传统SVM模型、组合PSO-SVM模型和组合PSO-BP神经网络模型,研究提出的混合模型(CPSO-SVM)在预测精度及模型的泛化能力上均优于以上3种模型,可对小麦条锈病发病及流行程度进行精确的预测,并为农业病虫害研究部门提供有效的理论依据.     

基于CPSO-SVM 的小麦条锈病预测模型研究

针对BP 神经网络在建立模型时没有确定网络结构的缺点和支持向量机(SVM)模型参数选择对预测精度影响大的局限性,提出一种结合混沌系统的粒子群算法(CPSO)去优化SVM 模型的惩罚因子C 和核函数中参数σ的混合模型,利用混沌系统的不确定性理论使传统的粒子群算法能有效克服收敛速度慢、容易达到局部最优值的缺点,使CPSO 算法能更快、更准确找到全局最优值。经过参数优化SVM 模型有效提高了预测精度并利用新的混合模 型对宁夏地区小麦条锈病流行级别进行预测。结果表明,相对于传统SVM 模型、组合PSO-SVM 模型和组合PSO-BP神经网络模型,研究提出的混合模型(CPSO-SVM)在预测精度及模型的泛化能力上均优于以上3 种模型,可对小麦条锈病发病及流行程度进行精确的预测,并为农业病虫害研究部门提供有效的理论依据。     

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。     

近18年四川主要气象灾害对农业生产和经济的影响分析

基于2003—2020年气象灾害和农业经济数据,利用回归分析探究气象灾害受灾率和灾害损失对四川省农业生产和经济的影响。研究结果表明,气象灾害对四川省农业经济具有显著的负面影响,且暴雨洪涝和干旱的影响最大,其次是冷冻害(雪灾)和局地强对流;干旱、冷冻害(雪灾)和局地强对流3种灾害造成的经济损失呈下降趋势,而暴雨洪涝灾害则有所加剧;农业生产总值与暴雨洪涝、干旱和冷冻害(雪灾)受灾率呈正相关;农村常住人口人均可支配收入与暴雨洪涝、干旱和局地强对流受灾率呈负相关;农业固定资产投资与干旱、局地强对流受灾率呈显著正相关。针对四川省主要气象灾害对农业生产和经济的冲击,本文从重点灾害防御、政府保险补贴政策、智能化气象灾害管理和科学减灾防治理念四个角度提出相关建议,旨在为四川省农业经济的稳定发展提供理论性参考。     

河南省农业气象灾害时序特征及对粮食生产的影响

对河南省自1978年以来的农业气象灾害时序特征及对粮食生产的影响从受灾和成灾两个层面进行综合研究.结果表明,在各类农业气象灾害中以旱灾最为严重,其次是水灾,再次是冰雹和霜冻灾害,其中旱灾和水灾占到了80％以上,是河南省的主要农业气象灾害;各类农业气象灾害均呈现出规律性波动变化,表明进行农业气象灾害周期性规律研究是可行的;受灾与成灾的面积呈现出一定周期性波动,并且相应年份的农业气象灾害受(成)灾面积的灾损程度与粮食总产呈负相关.研究结果与河南省农业气象灾害发生的实际情况基本吻合,为河南省的农业生产及灾害防治提供了理论依据.     

基于GA-BP神经网络的温室番茄病害诊断

为了提高温室番茄病害自动识别率,采用P2P无线网络摄像机定点远程监控与数码相机采集设备相结合的方法获取材料,通过分治中值滤波算法和分水岭算法分离复杂背景下的叶片并提取病斑,提取病斑特征参数并最终选择6个颜色参数、4个形状参数、3个纹理参数,改进传统的差反向传播(error back propagation,简称BP)算法,建立遗传算法优化的误差反向传播(genetic algorithm error back propagation,简称GA-BP)番茄病害识别模型。结果表明,GA-BP模型能快速有效地识别番茄叶片病害,对番茄早疫病、晚疫病、叶霉病的识别率分别达到92.50%、91.25%、95.50%。该模型解决了BP神经网络收敛速度慢、寻优不精确的问题,高效地实现了温室番茄病害的诊断。     

基于BP神经网络的海口地区2种热带兰温室栽培环境预测

为了优化海口地区热带兰的栽培环境调控,利用BP神经网络对设施内环境进行模拟预测,并在预测之前针对文心兰进行遮光率的比较筛选,以选择生产文心兰品质较好的环境。结果表明,在平均温度26~27℃、平均相对湿度79%~83%、65%遮光率的条件下文心兰的花穗部长度占比最高,倒伏率为1.7%,文心兰品质较好。模型验证结果表明,结构为3-12-3的BP神经网络模型对海口地区文心兰的栽培环境预测效果较好,其中,温度和相对湿度的平均相对误差(RE)分别为3.4%和5.7%,光照强度的均方根误差(RMSE)为3.0 klx,对文心兰栽培环境的预测结果较准确;用于蝴蝶兰栽培环境预测的结构为3-10-3的BP神经网络模型对温度与相对湿度的预测值与实测值的RE分别为2.5%和4.2%,光照强度的RMSE为0.8 klx,预测效果较好。模型可以用于预测热带兰的栽培环境。     

基于麻雀搜索算法优化神经网络的生菜生理指标预测

生菜生理指标的精准预测对于植物工厂环境下数字化精准管理生菜生长具有重要意义。为了为植物工厂叶菜类作物生理指标的预测提供参考,以植物工厂的水培生菜为研究对象,采集5种营养液配方处理下水培生菜最长叶长、叶片数和株高的数据,以麻雀搜索算法优化的BP神经网络SSA-BP对生菜生理指标数据进行预测分析,并选取平均绝对误差、均方误差、均方根误差和平均绝对百分比误差作为精度指标对试验结果进行分析和评价。结果表明,SSA-BP神经网络对生菜最长叶长、叶片数、株高的预测平均绝对误差分别为9.21、0.563、8.34;均方误差分别为143.79、0.599、110.69;均方根误差分别为11.991、0.774、10.521;平均绝对百分比误差分别为15.639%、6.181%、13.318%,各项评价指标均优于传统BP神经网络,预测误差小于16%,但其预测误差提升不明显。利用SSA-BP神经网络模型可有效对生菜生理指标进行预测,该模型具有良好的预测准确性、泛化性。