共查询到16条相似文献,搜索用时 62 毫秒
1.
基于BP神经网络的东港灌区作物需水量预测研究 总被引:1,自引:0,他引:1
为了指导东港地区的农业生产,对影响作物参考蒸散量(ET0)的气象因子进行了分析,利用东港市1999年和2000年水稻生育期的常规气象资料,采用Matlab软件的神经网络工具箱,建立ET0三层BP神经网络预测模型,网络的输入因子为日净辐射量、日平均相对湿度和日平均风速,输出因子为利用Penman—Monteith公式计算得到的同期ET0值。结果表明:(1)当模型的隐层节点数为11,传递函数采用tansig函数,训练函数采用trainlm函数时,预测值与目标值的平均相对误差为9%,预测效果较其他情况都好,由此确定模型的最终结构为3—11—1的BP—ET0模型。(2)用BP—ET0模型预测参考作物蒸散量,预测值与目标值的变化趋势基本一致。 相似文献
2.
基于SFAM神经网络集成的土地评价 总被引:5,自引:2,他引:3
SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络.为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法.并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度. 相似文献
3.
基于RBF神经网络的土壤侵蚀预测模型研究 总被引:1,自引:0,他引:1
土壤侵蚀的物理机理十分复杂,用数学方式难以描述.针对土壤侵蚀过程的模糊性、随机性、非线性等特点,将RBF神经网络的理论与方法应用到土壤侵蚀预测中.以杏木小流域为研究对象,应用RBF神经网络方法构建土壤侵蚀预测模型,以汛期降雨量、径流系数、土壤容量、有机质含量及孔隙度土壤侵蚀因子作为模型的输入层变量,输出层变量为年土壤侵蚀模数.通过模拟训练和预测,RBF神经网络取得的结果较好,能够有效地预测土壤侵蚀,且与常见的BP神经网络土壤侵蚀预测模型相比,RBF神经网络得到的预测结果精度更高.RBF神经网络模型将土壤侵蚀预测问题转化为影响因子和年侵蚀模数的非线性问题,该模型的模拟与预测为复杂的土壤侵蚀规律研究提供了新途径. 相似文献
4.
基于BP神经网络的济南市建设用地规模预测 总被引:3,自引:0,他引:3
随着经济的发展,城市建设用地面积呈迅速扩张的趋势。城市建设用地面积的增长受社会、经济、人口等多种因素的影响。运用主成分分析法对济南市建设用地变化的驱动力进行分析,人口和GDP是影响建设用地面积的主要的驱动因素,通过建设用地驱动因子的人工神经网络模型,预测出2010年和2020年济南市建设用地的面积需求状况。 相似文献
5.
基于BP神经网络和概率神经网络的水稻图像氮素营养诊断 总被引:3,自引:1,他引:2
【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm^2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。 相似文献
6.
基于BP神经网络模型的荔枝树叶面积测定方法 总被引:7,自引:1,他引:7
为了准确、快速地测定荔枝树叶面积,设计了一个BP神经网络模型,输入参数为叶片长度和叶片最大宽度,输出参数为叶面积。用LI-3000A型叶面积仪测量所得到的样本数据对网络进行训练,测试样本的网络输出与网络目标的相关系数达0.99609,网络模型是有效的。用训练后的网络模型对10组未参加建模的样本数据进行叶面积测定,误差平方和为1.2929,优于回归方程法的2.511。训练好的BP神经网络模型可以在不破坏叶片的情况下,简单、快速、经济地测定大量的荔枝树叶片面积。 相似文献
7.
8.
9.
根据葡萄病害的特点,采用改进的BP算法,建立了BP神经网络诊断模型,经测试其诊断结果正确率为100%,BP模型的诊断准确率为95.39%。研究结果表明BP神经网络技术适合应用于解决病害诊断这一复杂问题。 相似文献
10.
土壤水分不足是黄土高原丘陵区植被建设的主要限制因子,土壤水分的空间分布受外界气象因子、土地利用与复杂地形等的影响,关系比较复杂。本研究利用黄土丘陵区纸坊沟流域的土壤水分试验资料,建立了基于GIS的BP神经网络模型,模型中同时考虑了多个因子对土壤水分空间分布的影响,利用实测资料对网络进行训练后对整个流域进行了预测,预测结果与实际情况较为一致,表明应用GIS与BP神经网络研究区域复杂地形下的土壤水分分布规律是可行的。 相似文献
11.
BP神经网络在降雨侵蚀力预测预报中的应用研究 总被引:1,自引:0,他引:1
降雨侵蚀力反映由降雨引起土壤侵蚀的潜在能力,是建立通用土壤流失方程USLE的最基本因子之一。由于降雨侵蚀力计算过程中所需资料较难收集,给其计算增加了难度。运用BP神经网络方法对降雨侵蚀力与地理之间的关系进行研究,建立降雨侵蚀力BP神经网络模型。对福建省46个地域的降雨侵蚀力进行研究,结果表明:所建立的降雨侵蚀力BP神经网络模型对模拟预测福建不同地域的降雨侵蚀力,平均模拟精度为96.81%,平均预测精度为95.68%,达到了较为理想的效果。这不仅为降雨侵蚀力的预测预报提供了科学依据,而且也为BP神经网络在水土保持研究中的应用开辟了新的思路。 相似文献
12.
基于BP神经网络的土壤水力学参数预测 总被引:7,自引:1,他引:7
为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。 相似文献
13.
14.
15.
16.
人口系统是一个非常复杂的非线性系统,对人口数量的准确预测能为应急避险规划等提供重要依据。通过建立一维时间序列的BP人工神经网络模型,根据1980-2005年的人口统计数据,借助Matlab5.3软件进行了北京城近郊区的户籍人口数量预测。检验结果显示,2003、2004和2005年预测值与实际样本的差值在6~7万人之间,其与实际样本的比值约为1%,预测精度完全符合要求。最终预测得到2006、2007、2008、2009、2010年的人口分别为703.2、708.5、720.9、733.8、734.6万人。 相似文献