共查询到12条相似文献,搜索用时 62 毫秒
1.
2.
3.
基于灰色理论和BP神经网络的农业用水量预测 总被引:1,自引:0,他引:1
运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据. 相似文献
4.
5.
6.
基于微波自由空间测量的小麦含水率检测方法 总被引:2,自引:0,他引:2
为了实现小麦含水率的快速检测,采用微波自由空间测量法研究了信号频率(1~4 GHz)、温度(10~40℃)、含水率(11. 35%~17. 79%)和容积密度(低、高)对小麦相对介电常数的影响,分析了影响相对介电常数变化的原因,建立了不同频率下小麦含水率的预测模型,并对模型进行了验证。研究结果表明,在1~4 GHz频段内,小麦的相对介电常数随含水率、温度和容积密度的增大而增大,随着信号频率的增大而减小;所建立的支持向量机模型取得了很好的预测效果,对比于单频和多频,全频下的预测模型最优,其预测集相关系数、预测集均方根误差和剩余预测偏差分别达到了0. 992 9、0. 051 3%和18. 67。研究表明,微波自由空间法可用于检测小麦含水率。 相似文献
7.
8.
人工神经网络在预报土壤墒情中的应用 总被引:3,自引:0,他引:3
依据从2005年1~12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型.模型共分输入层、隐含层和输出层3层.输入层的输入变量包括数据采集当天的10 cm、20 cm和40 cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量.输出层的输出变量包括1天后的10 cm、20 cm和40 cm深度的土壤含水量.模型的学习因子为0.1,动量因子为0.05.模型经过25 000次训练后收敛,收敛误差为8×10 -4 ,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息. 相似文献
9.
末端开路同轴探头法测量土壤复介电值用于表征土壤含水率具有准确、快捷的优点。针对目前土壤介电同轴探头集总测量模型没有充分考虑探头的参数以及土壤体积对测量结果影响等问题,基于电磁场理论,对末端开路同轴探头建立了准静态数学模型,适用于土壤的复介电常数准确测量。通过全波软件仿真和模型计算结果对比,以无水乙醇介电实测值和理论值对比,验证模型的准确性。采用本文介电测量模型对不同含水率的黄绵土进行测量计算,复介电常数实部与实测土壤含水率二阶多项式拟合决定系数大于0.965,表明本文所提土壤介电测量方法适用于土壤复介电常数和含水率的测量。 相似文献
10.
基于BP神经网络的汽车发动机故障诊断方法研究 总被引:1,自引:0,他引:1
介绍了BP神经网络学习算法,建立了汽车发动机振动测试系统,在对发动机振动数据进行分析处理的基础上,获取了学习样本的输入向量与目标向量,应用BP网络学习算法对新构的网络进行训练,建立了一种发动机机械故障诊断的新方法,实例分析结果表明,这种新方法是可行的。 相似文献
11.
基于介电特性与回归算法的玉米叶片含水率无损检测 总被引:4,自引:0,他引:4
利用0.06~200 k Hz范围内拥有36个频率点的LCR测量仪及自制夹持平行电极板,测量280片不同含水率玉米叶片的相对介电常数ε'及介电损耗因子ε″;利用干燥法测量玉米叶片的湿基含水率。利用逐步回归法(SWR)与多元线性回归(MLR)结合的线性建模方法和连续投影算法(SPA)与支持向量回归(SVR)结合的非线性建模方法,分别建立玉米叶片介电参数(ε'、ε″及两者融合信息3种参数)与湿基含水率的关系模型,并应用留一交叉验证法选取2种建模方法的最佳关系模型。分析表明,非线性模型较线性模型具有更高的预测能力,且基于ε'与ε″的融合信息运用连续投影算法(SPA)与支持向量回归(SVR)相结合的非线性建模方法使模型原72个变量精简到10个,剔除了模型中冗余度较高的变量,有效降低了模型的复杂度,得到最高的测试集决定系数R2P(0.804)和最小的测试集均方根误差RMSEP(0.017 6)。结果表明基于介电特性的玉米叶片含水率无损检测方法是可行的,为快速检测其他农作物的生理信息提供了一种可靠的方法。 相似文献
12.
为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。 相似文献