BP神经网络的春小麦作物—水模型的初步研究

用内蒙古河套灌区春小麦非充分灌溉试验资料，建立了BP神经网络的春小麦作物－水模型。经模拟分析认为该模型能正确表达春小麦的产量与水分的关系并有某些独特的优点。与当地拟合效果较好的Minhas模型的比较表明，二个模型所表达的春小麦各生育阶段对水分的敏感性一致，产量预测结果接近。初步说明BP神经网络方法是一种可用于作物－水模型新的模拟方法。     

BP神经网络的春小麦作物水模型的初步研究

用内蒙古河套灌区春小麦非充分灌溉试验资料 ,建立了 BP神经网络的春小麦作物水模型。经模拟分析认为该模型能正确表达春小麦的产量与水分的关系并有某些独特的优点。与当地拟合效果较好的Minhas模型的比较表明 ,二个模型所表达的春小麦各生育阶段对水分的敏感性一致 ,产量预测结果接近。初步说明 BP神经网络方法是一种可用于作物水模型新的模拟方法     

干旱地区春小麦作物水分—环境：—产量模型的分析研究

本文在对作物水分生产函数分析的基础上，通过试验对Ｊｅｎｓｅｎ模型进行了修正，提出了适合研究区的作物水分环境生产函数，同时，建立了缺水敏感指数εｉ预报模型。     

作物产量对水分亏缺敏感性指标的初步研究

在灌溉水资源不足时,作物对水分亏缺的敏感性是确定最优灌溉制度的基础。本文提出了作物对水分亏缺的敏感性指标的定义,基于此定义,给出了平均敏感性指标、概化的敏感性指标以及边际敏感性指标的具体表达式。以Ｄｏｏｒｅｂｏｓ模型、Ｊｅｎｓｅｎ模型和Ｂｌａｎｋ模型等常见作物水分生产函数模型为基础,导出了各种敏感性指标的计算公式。最后,根据水稻试验资料,分析了敏感性指标的变化规律。     

作物的水分生产函数

<正> 某种作物的产量是气候、水分、养分、管理水平及遗传特性等因素的复杂函数。由于这些因素的复杂性,所以研究产量与水分的关系是比较困难的。 多年来国外不少学者研究了决定产量函数的各个因素。他们的一个重要结论是:作物的总产量基本上取决于全生育期的供水量和这些水在全生育期内时间上的分配。斯求厄特和哈根(1974)指出,全生育期内水的分配是非常重要的,因为许多作物都有临界生长期,作物在这个时期内的需水量一般是很高的,这时缺水会影响作物正常生长从而导致作物减产。 大多数作物的水分生产函数都假定任何     

作物水分生产函数Jensen模型中有关参数在年际间确定方法

将作物全生育期水分生产函数模型和分阶段水分生产函数模型结合起来应用，提出了作物水分生产函数Jensen模型中有关参数在年际间确定方法，并采用豫东开封惠北灌溉试验站资料进行了实例计算，结果表明，该计算方法误差小，可在非充分灌溉研究中运用。     

干旱地区春小麦作物水分——环境——产量模型的分析研究

本文在对作物水分生产函数分析的基础上,通过试验对Jensen模型进行了修正,提出了适合研究区的作物水分环境生产函数,同时,建立了缺水敏感指数ε_i预报模型     

吉林西部人工草地水分生产函数模型初探

水分生产函数模型用以描述作物产量与水分因子之间的数学关系。确定合适的作物水分生产函数模型对建立与完善节水灌溉系统具有十分重要的意义。选常用的Jensen、Minhas、Blank、Stewart及Singh模型,依据在吉林省松原市前郭县草原管理站进行的苜蓿非充分灌溉试验中所获得的资料,采用多元回归分析方法求出各模型的参数,并对这5种模型进行了对比和筛选,得出了Jensen模型是最适宜于吉林省松原地区苜蓿的水分生产函数模型的结论。还探讨了Jensen模型水分敏感指数在苜蓿全生育期的变化规律,并指出了其在实践应用中的意义。     

豫东平原冬小麦Jensen模型中敏感指数的年际变化

作物阶段蒸发蒸腾量与产量函数模型是缺水条件下进行非充分灌溉决策和灌溉管理的理论基础。作物不同生育期缺水对产量的影响可用作阶段水分敏感指数λi来表示。敏感指数λi大，缺水对产量的影响较大，反之亦然。利用豫东平原冬小麦6年的灌溉试验资料，以冬小麦生育期ET0资料为基础，分析研究了Jensen模型中λi的年际变化，建立了ET0和λi的函数关系。     

多阶段受涝渍综合影响的农田排水指标试验研究

通过对棉花2年(2003~2004年)的涝渍兼治农田排水试验,研究了作物在全生育阶段均受涝渍影响的农田排水指标,还对多阶段涝渍共同作用下的作物水分生产函数进行了研究。通过对2年的实测数据的分析可以看出:用涝渍共同作用下的农田排水指标与棉花的相对产量之间有较好的相关关系,并对各生育阶段对涝渍的敏感性进行了排序,可供涝渍综合影响下排水系统的设计与运行管理参考。     

基于改进神经网络算法的蛋鸡产蛋率预测研究

为提高蛋鸡产蛋率预测效果,采用改进神经网络算法。首先依据神经网络误差与动态因子来优化神经网络权值,神经网络自适应学习速率在算法运行前期较大从而加快学习,后期迅速减小,加速收敛,减小误差,提高网络训练精度;接着神经网络的激活函数采用修正线性激活函数ReLu,使得计算速度加快;然后建立预测模型以及产蛋率预测评价指标;最后给出蛋鸡产蛋率预测流程。试验仿真显示:本文算法对蛋鸡产蛋率预测接近实际值,相关系数相比SVM、ELM、NN、PSONN、ACNN分别提高0.58%、0.48%、0.40%、0.28%、0.23%,均方误差相比SVM、ELM、NN、PSONN、ACNN分别减少5.89%、4.92%、3.93%、2.67%、1.81%,优于其他算法,为蛋鸡产蛋率预测提供新的思路与方法。     

不同灌溉方式对大棚西红柿生长发育的影响

为了分析不同灌溉方式的节水效果和对植物生长发育的影响,通过对大棚西红柿进行沟灌、滴灌和地下灌溉3种灌溉方式的试验,分析不同灌溉方式、灌水量、注射深度对大棚西红柿茎粗、根系活力、产量和西红柿品质的影响。试验结果表明:地下灌溉的节水效果显著高于沟灌和滴灌;而在地下灌溉试验的比较中,当每次注射水量为0.75 L时,西红柿的总产量和根系活力最高;试验同时表明距离地表约30 cm的注射深度时,西红柿的根系活力强,有利于西红柿生长。     

基于BP神经网络拟合水泵特性曲线

通过试验的方法绘制出水泵的特性曲线是判断水泵是否满足设计要求的基础.特性曲线拟合的精度决定判断的准确性.人工神经网络具有较强的非线性处理能力和逼近能力.为此,在分析水泵性能试验及其特性曲线、阐明BP神经网络的方法理论及其特性的基础上,建立了BP神经网络拟合水泵特性曲线的模型,并加以应用.结果表明,其效果显著,具有工程应用价值.     

基于神经网络的农用运输车可靠性问题研究

农用运输车是我国现阶段特有的产物,其使用和推广受产品可靠性的影响很大。为此,针对农用运输车可靠性模型,应用数学方法和人工神经网络系统理论,提出了基于自适应线性神经网络的可靠性模型参数估计方法,并给出了基于该方法的农用运输车相关参数的可靠度函数表达式,为农用运输车的设计制造和管理使用提供了重要的理论参考。     

水稻水肥耦合效应研究

研究寒地黑土区水稻水肥耦合效应对产量的影响规律,运用二次饱和D-416最优设计方案,以施氮量、施钾量、施磷量、分蘖末期土壤含水率占土壤饱和含水率的百分比为设计因子,以产量为目标因子,编制四因素二次饱和D-416设计表,结合基于实数编码的遗传算法与BP神经网络强大的函数拟合、寻优功能,以设计表中四因素为输入层,产量为输出层,建立基于RAGA-BP神经网络模型,并对该模型进行预测和优选。结果表明,当产量最高时水肥耦合的最优方案施氮量为1.01g/盆、施钾量为0.63g/盆、施磷量为0.46g/盆、分蘖末期土壤含水率占饱和含水率的75.2%,此时得到的产量为74.78g/盆,与模型预测的最优个体适应度值73.55g/盆误差仅为1.68%,说明该模型能较好的反映出水肥投入量与产量之间的复杂关系,对指导农业生产实践具有一定的意义。     

黑龙江西部旱区大豆和玉米的节水灌溉计划研究

黑龙江西部地区为我国的粮食主产区和重要的商品粮基地,频繁发生的春旱已经严重影响了作物的播种和苗期生长。通过分析该区主要作物（大豆和玉米）需水规律和降水分布的关系,明确作物缺水的主要阶段,提出适宜的节水技术。研究发现,在大豆和玉米生长的阶段内,除7月降水量能够满足大豆和玉米的需水量之外,其他月份的降水量均不能满足作物需水...     

基于BP神经网络工具箱实现函数逼近

运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab神经网络工具箱中专门编制了大量有关设计BP网络模型的工具函数.文章分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数,结合一个实际的例子详细阐述了基于BP神经网络的函数逼近过程及其MATLAB实现方法.     

Elman、LS-SVM方法在ET_0预测中的对比分析

参考作物腾发量（ET0）是估算作物腾发量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义。Elman神经网络是BP网络的改进结构,具有适应时变性的特点;最小二乘支持向量机（LS-SVM）是支持向量机（SVM）的一种优化算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力。将两种方法应用于参考作物腾发量预测中,并以铁岭市为例,对比分析LS-SVM模型与Elman模型的预测值。结果表明：LS-SVM模型学习速度快,具有比Elman模型更高的模拟性能和预测精度,更适合参考作物腾发量的预测。     

基于ICS优化RBF的水库水质三维预测方法

针对已有水质预测模型在数据降噪、网络参数初始值设置和优化、精度提高等方面能力的不足,构建了一种优化的水质三维预测模型。利用主成分分析算法筛选出水质关键参数,并基于自适应噪声的完全集合经验模态分解算法结合小波阈值模型对三维水质参数和气象数据降噪处理,使用3维卷积神经网络(Three-dimensional convolutional neural networks, 3-D CNN)提取出特征数据集,自编码器(Autoencoder, AE)获得径向基函数(Radial basis function, RBF)网络参数初始化值,改进布谷鸟搜索算法(Improved cuckoo search, ICS)优化更新网络中超参数动态初始化值。广东省湛江市徐闻县大水桥水库区域22个典型在线监测站点以及6个手持监测点的实测数据对比验证结果表明,浊度和藻密度分别与总氮含量强正相关,叶绿素含量与气温强正相关,所提出的水质预测模型在5个典型精准性评价指标方面优于已有文献方法。研究成果可为管理部门和研究者对水质监测提供参考。     

BP和RBF神经网络在水轮机非线性特性拟合中的应用比较

利用神经网络对水轮机综合特性曲线进行数据处理和延伸,不必建立具体的函数关系表达式,就可对已知的离散数据进行拟合。并且还可以结合边界约束条件对未知区域内的数据进行预测,从而提高了水轮机综合特性曲线数据处理的工作效率和数据精度。分别介绍了用BP神经网络和RBF神经网络对水轮机综合特性曲线数据处理和延伸的方法。并采用一机组的样本数据进行训练,比较2种方法的训练结果得出结论。