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神经网络的山核桃适生环境综合评价研究

笔者通过对杭州地区山核桃适生环境要素的综合分析,探究其影响山核桃产量的关键因子,用BP神经网络挖掘山核桃的生态学特性与其适宜生长的各种环境因子的内在关联规律,从而进一步研究建立山核桃适生环境评价。     

基于BP神经网络的菜心叶片生长模拟模型研究

根据BP神经网络建立菜心叶片生长预测模型,以菜心叶子的长度和宽度来衡量菜心叶片的生长情况,运用有效积温原理,建立菜心叶片生长情况与温度之间的关系.实证分析表明,基于BP神经网络的菜心叶片生长模型具有较好的仿真效果,在叶子生长的预测中具有很好的应用前景,可进一步在菜心产量的预测中起到作用,为社会带来更多的经济利益.     

基于BP神经网络的化肥供应商选择模型研究

供应商选择是供应链管理中的一个重要环节。我国是世界上生产和使用化肥最多的国家,因此对于化肥供应商的选择显得尤为重要。针对化肥供应商的特点,首先构建了化肥供应商的选择评价指标体系,在该体系的基础上构建了BP神经网络评价模型。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4个影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型。通过检验,2种预测模型拟合效果均较好,均能够较好地预测今后苹果的产量趋势。其中BP神经网络模型预测有较高精度,但存在局限性。     

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...     

基于BP神经网络模型的森林资源蓄积量动态估测

以浙江省庆元县2007年森林资源二类调查数据为样本数据,选择树龄、海拔、坡度级、土层厚度、A层厚度、郁闭度6个指标作为自变量因子,利用基于BP神经网络的预测模型,分优势树种对森林资源蓄积量进行预测。试验结果表明,自变量因子与因变量(蓄积量)之间具有较好的相关性。今后研究中若能加入一些其他影响因子(如太阳辐射指数、地形湿度指数等),并结合高精度的遥感影像(如天地图),然后再对数据进行一定的预处理,则研究结果将完全可能用于辅助森林资源调查。     

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BP神经网络的日光温室气温预报模型

为建立日光温室中短期气温预报模型,以2个冬季生产季的日光温室实时气温观测资料为基础,利用BP神经网络建模和曲线拟合的方法,对日光温室1~7d气温预报模型进行了研究。结果表明:1)以室外气温为输入要素的温室气温预报模型,最高气温预报值与观测值的符合度指数(D)为0.68~0.93,均方根误差(RMSE)为3.1~6.3℃;2)最低气温预报值与观测值的符合度指数(D)为0.81~0.95,均方根误差(RMSE)1.5~2.2℃;3)日光温室内最低气温预报绝对误差小于2℃的预报准确率Rate(≤2℃)为78%~95%;4)逐时气温预报模型预报值与实测值的符合度指数(D)为0.95~0.99,均方根误差(RMSE)为1.0~2.8℃,逐时气温预报模型预测准确率较高。结合目前气象台站"周预报"结果,模型可较准确地预报温室内1~7d最低气温,并模拟日光温室内气温的逐时变化,可为冬季日光温室低温灾害预警及室内气温调控提供有益参考。     

基于BP 神经网络法的耕地质量定级评价—— 以襄阳市城区为例

【目的】耕地质量定级评价工作是准确把握耕地效益水平,有效保护耕地和科学管理耕地的必要前提。【方法】以襄阳市城区耕地为研究对象,从自然要素、社会经济要素、区位因素3方面建立耕地质量评价体系,借助BP神经网络法,通过训练建立网络模型,并以仿真练习得出襄阳市城区耕地质量评价结果。【结果】(1)BP神经网络模型的精度达到0.93左右,建立的网络模型具有一定可行性和精确性;(2)襄阳市城区耕地质量总体水平良好,其中二级地和三级地最多,面积占比分别为33.56%和46.19%;耕地质量空间分布上呈现由东北向西南递减的趋势。【结论】借助BP神经网络的方法开展耕地质量评价具有一定的可行性和精确性,可为以后的耕地质量评价提供一定借鉴与参考。     

基于BP神经网络的土壤贮水量预报模型研究

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站2008～2009冬小麦试验资料等建立BP神经网络预报模型,应用Matlab神经网络工具箱,采用Trainlm算法进行模型训练,对试验田的土壤贮水量进行预测。[结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强;在冬小麦日耗水量较大的拔节、扬花、灌浆3个时期,该模型的预报精度较高,稳定性较好。[结论]基于BP神经网络的土壤贮水量预报模型在冬小麦耗水较大时期的模拟值具有较高的精度。     

基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上,构建基于Lasso方法和BP神经网络的预测模型,并对我国城乡居民的消费支出进行预测,结果显示：基于Lasso方法和BP神经网络的组合预测精度要明显高于BP神经网络、Lasso方法的预测精度;在2014~2020年,我国农村居民消费增长率有所提升,城镇居民消费增长率减缓,城乡居民消费增长率之间的差距呈下降趋势,但短期内城乡居民消费差距依然难以缓和。     

基于BP神经网络的洪水预测研究

以BP神经网络为基础,通过对神经网络的各个参数进行优化后建立洪水预报模型,并利用四川省达州市州河干流水文站所采集的水文数据进行仿真预报并和实测流量对比。研究表明,采用基于BP神经网络的洪水预测模型进行洪水预测的精度较高,是一种有效可靠的洪水预测方法。     

基于BP神经网络的猪舍有害气体定量检测模型研究

为寻找适合猪舍混合有害气体浓度识别的神经网络模型,建立了基于误差反向传播（BP）神经网络的猪舍有害气体定量检测模型,分别使用trainbr函数、traingdm函数及trainlm函数训练该神经网络,对有害氨气和硫化氢组成的混合气体浓度进行识别,并利用MATLAB软件的神经网络工具箱进行仿真。结果表明,采用trainbr函数训练的网络对该混合气体的平均识别精度高,速度较快,对噪声不敏感,适合猪舍有害气体的浓度识别。这为猪舍有害气体智能化监控提供了参考依据。     

基于BP神经网络人参栽培中土壤肥效模型的研究

以人参栽培智能化为对象,介绍了BP神经网络在人参栽培中对预测人参土壤肥效的应用,从而指导人参生产栽培。     

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。     

基于遗传BP神经网络组合模型的中药销售预测研究

对某医院2010-2012年中药的销售及变化情况进行了对比分析。为了更好地保证医院中药的库存数量,提出了一种基于遗传算法优化BP神经网络组合模型,用改进的遗传BP神经网络进行中药销售量预测,并将预测结果和单纯使用BP网络的预测结果进行比较,实验证明遗传BP神经网络模型具有更高的预测准确度,为医院中药销售及科学管理中药库存量提供科学依据。     

基于BP神经网络的马尾松立木生物量模型研究

以马尾松为例,探索并验证BP神经网络模型在立木生物量估测上的适用性。通过12种算法的筛选、输入变量和输出变量的确定以及隐层节点数的选择,确定最优的模型拓扑结构,构建单隐层BP神经网络模型;对比单输入变量与多输入变量模型、单输出变量与多输出变量模型,并分析模型的输入变量数和输出变量数对模型估测精度的影响;将优选BP模型与传统相对生长模型进行对比以验证BP模型的可行性。结果表明:1）最优BP模型LM-DH-8-WtWaWr的训练算法为Levenberg-Marquardt算法,输入变量为D、H,输出变量为Wt、Wa、Wr,隐层节点数为8。2）输入变量和输出变量的增加不会降低BP神经网络模型的精度。3）模型LM-DH-8-WtWaWr能够精确地估测马尾松立木生物量,其精度高于传统的相对生长模型。该模型能够一次性地引入多个解释变量,并可以同时估测多个量,从而简化了生物量建模和估测工作,对实际生产具有一定的意义。      

卷烟劲头的BP神经网络模型预测

[目的]科学地评价卷烟配方中劲头的大小,通过建立BP神经网络模型预测卷烟劲头。[方法]以烟叶游离烟碱百分含量、总烟碱百分含量、结合态烟碱百分含量、游离烟碱占总烟碱比率和水浸液p H作为BP神经网络的输入,感官劲头作为输出,网络训练前对输入指标作归一化处理,然后通过训练样本数据对网络进行充分的训练,获得适宜的参数矩阵,得到卷烟劲头的网络预测模型,最后用训练好的网络模型对检验样本数据进行预测。[结果]卷烟配方中劲头大小的预测值与实际值相对标准偏差小于5%,达到了较好的预测结果。[结论]建立了卷烟劲头的BP神经网络预测模型,该模型对于预测卷烟劲头具有指导意义。     

基于灰色-BP神经网络的重庆市城镇建设用地规模预测

以2000～2009年重庆市城镇建设用地规模为数据源,采用灰色-BP神经网络模型对城镇建设用地规模进行预测,结果表明模型的平均误差只有0.81%,精度远高于灰色预测模型,充分说明灰色-BP神经网络模型对城镇建设用地规模的预测具有较高的拟合度及可行性。