基于GA-BP神经网络的果园需水量预测

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.     

基于PCCs-DEMATEL指标筛选的BP神经网络用水量预测

以面向决策支持的用水量趋势预测为研究目标,采用从定性到定量的综合集成方法,将各指标变化率作为处理单元,运用PCCs-DEMATEL(皮尔逊相关系数-决策试验评估)方法对统计指标筛选,以BP神经网络构建预测模型,与赋权指数平滑法预测模型进行比较分析。模型在广州市的运用实例表明,基于PCCs-DEMATEL指标筛选的BP神经网络用水量预测模型可以更好地预测以年为单位的地区用水量,为水资源决策分析提供可靠的数据支撑。     

基于改进的BP神经网络的水面蒸发预测

以往水面蒸发预测模型存在针对性不强、结构复杂的问题,同时指标筛选的过程存在很大的主观性,针对这些问题提出改进的BP神经网络模型。使用灰色关联法计算出各个预测因子与被预测因子的关联度,使用指标信息评价法根据算得的关联度确定最优预测因子组合,根据筛选出的预测因子,定出BP神经网络结构并以筛选出的预测因子为输入进行演算。预测结果合格率为70%。说明改进的BP神经网络模型适用性强。     

基于灰色理论和BP神经网络的农业用水量预测

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.     

基于改进GM-LSSVR模型的郑州市用水量预测

准确的用水量预测是响应国家高质量发展的重要抓手,也是城市水资源优化配置的基础.针对用水量序列存在波动性、灰色模型与所需因素存在线性关系等问题,提出了一种基于HP滤波分解的GM-LSSVR预测模型,即先采用灰色关联分析法筛选合适的用水量影响因素,再利用HP滤波分解法将筛选的用水量及影响因素分解为长期趋势序列和短期波动序列...     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。     

基于灰色BP神经网络的农业机械总动力预测

为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。     

五种地下水埋深预测模型对比分析——以肇州县为例

地下水埋深预测对于区域水资源管理利用、生态环境保护和经济社会发展等具有重要的价值与作用。地下水埋深受多种因素影响,其动态变化具有非平稳性、随机性和滞后性等特征。为了准确预测浅层地下水埋深,选用多元线性回归、灰色GM(1,1)、基于马尔科夫链优化的灰色GM(1,1)、BP神经网络和基于遗传算法优化的BP神经网络五种预测模型,以黑龙江省肇州县为应用实例,将1980-2009年数据作为训练样本,2010-2019年数据作为检验样本,以降水量、蒸发量、地下水开采量和前期水位作为输入层输入,以地下水埋深作为输出层输出,选择绝对误差、相对误差、平均绝对误差、平均绝对百分比误差、均方误差和均方根误差作为评价指标,进行地下水埋深模拟预测和对比分析。结果表明：基于遗传算法优化的BP神经网络模型的平均绝对误差0.13 m,平均绝对百分比误差1.58%,均方误差0.02,均方根误差0.15,预测精度较高、拟合效果较好,相较于其他4种模型可以更好的模拟地下水埋深动态变化,为肇州县地下水合理开发和利用提供参考;遗传算法优化提升了BP神经网络的训练效率和稳定性,马尔科夫链理论弥补了灰色GM(1,1)所缺少的波动性...     

基于改进的BP神经网络的水面蒸发预测北大核心

以往水面蒸发预测模型存在针对性不强、结构复杂的问题,同时指标筛选的过程存在很大的主观性,针对这些问题提出改进的BP神经网络模型。使用灰色关联法计算出各个预测因子与被预测因子的关联度,使用指标信息评价法根据算得的关联度确定最优预测因子组合,根据筛选出的预测因子,定出BP神经网络结构并以筛选出的预测因子为输入进行演算。预测结果合格率为70%。说明改进的BP神经网络模型适用性强。     

基于GA-BP神经网络与正态区间估计的需水预测 ——以邯郸市为例

科学准确的需水量预测结果可以为城市水资源供需平衡决策提供合理依据.针对城市需水涉及因素多、历史数据样本量少、需水量具有波动性和不确定性的特点,提出了基于GA-BP神经网络与正态区间估计的组合预测模型,模型使用主成分分析法、灰色关联分析法筛选影响因子,加入遗传算法优化BP神经网络,构建GA-BP神经网络,最后引入正态区间...     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.     

基于灰色动态模型群的需水预测研究

依据灰色系统理论,构造了一个由5个GM(1,1)模型组成的灰色动态模型群,并运用该模型对福建省泉州市用水量变化趋势进行了预测分析。研究表明,灰色动态模型群能够充分利用近期用水量信息预测未来用水量变化趋势;以模型群统计平均值作为最终预测值,避免了单一灰色模型容易利用不稳定信息的缺陷,使得预测精度更加准确,预测结果更为可信。     

基于灰色残差-马尔可夫藕合模型的农业需水量预测研究

将灰色残差模型与马尔可夫预测模型结合起来,建立灰色残差-马尔可夫藕合模型来预测农业需水量.先用灰色GM(1,1)模型进行预测,预测精度较低,因此对GM(1,1)模型进行一定程度的改进,建立灰色残差GM(1,1)模型;再用马尔可夫预测模型来判断残差预测值的符号,以提高预测精度.最后用华东某城市2002-2008年的农业用水量作为历史数据进行了预测,结果表明预测精度明显提高.预测结果可以为研究区域今后的节水灌溉发展提供理论依据,来有效地指导今后该地区的节水灌溉.     

对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM

溶解氧(DO)浓度是对虾养殖水质检测的核心指标.为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型.首先采用经验模态分解(EMD)对养殖水质溶解氧浓度时序数据进行多尺度特征提取,得到不同尺度下的固有模态分量(IMF...     

农用多旋翼无人机作业能耗白盒模型构建与试验

为了减少因能量有限而导致无人机飞行时间有限的问题，研究农用无人机在飞行时的作业能耗是十分必要的。本研究以农用多旋翼无人机为研究对象，采用白盒建模的方法，依照动力系统各部件原理，构建了农用无人机的飞行总效率模型，再根据农用无人机的飞行特点，建立了一种针对农用无人机的作业能耗模型，并通过对农用无人机的速度、载荷和航程这3个动态参数分组试验得到的数据进行了验证。结果表明，模型具有较高的精度，最大平均误差约为6.582%,最大绝对误差中位数约为7.654%。最后对模型的各个参数进行分析，引入模型修正系数对模型进行修正，修正后的模型精度相比修正前的最大平均误差减少约3.092个百分点，误差中位数减少约3.612个百分点，修正后效果显著。本研究构建的理论模型可以用于农用无人机作业能耗的计算和预测，在规划无人机任务前就可以得到相应的作业能耗并进行优化，也可以适配不同控制器的其他旋翼机型，具有一定的应用价值。     

径流小区尺度土壤入渗率影响因子与估算模型研究

基于次降雨水文过程,确定了影响土壤平均入渗率(i_m)的多个因子;借助野外人工径流场观测资料,研究im与多个因子间定量关系,构建i_m估算模型。i_m与坡度之间呈二次抛物线关系,随坡度增加呈先升后降的变化趋势。i_m随坡长、降雨强度的增加均呈线性增加规律,随次降雨量增加呈指数增加趋势,随土壤颗粒分形维数增加呈线性降低规律。im与地表植被盖度、前期土壤含水率之间均存在双曲函数关系,随二者递增分别呈逐渐增加和降低规律。基于上述7个函数关系,采用多元非线性回归法建立估算im的回归模型,模型约72%的数据点相对误差不超过10%。采用上述7个因子作为输入参数,建立预测i_m的BP神经网络模型;通过灰色关联度分析法确定了模型最优训练算法为Levenberg-Marquardt、隐含层神经元结点最优个数为15;模型约81%的数据点相对误差不超过10%。     

改进灰色预测模型在灌溉用水量建模中的应用

灌溉用水量系统受诸多不确定性因素的影响,采用灰色预测方法对甘肃省灌溉用水量进行建模分析.通过对灰色GM(1,1)模型的预测精度的分析表明,GM(1,1)预测公式系数的选取存在缺陷.因此基于残差和为零准则,就预测公式系数C的选取问题提出新的计算方法,并对系数修正前后的模型分别建模.结果表明;改进灰色模型预测灌溉用水量与实际用水量更接近、精度更高.     

疏勒河中游梯级水库库容和库水位关系模型优化

为了研究梯级水库库容与库水位之间的关系,解决水库由原来承担单一灌溉或发电任务,到现在变为一库多用的多目标决策问题。以疏勒河流域中游地区的3座水库（昌马水库、双塔水库和赤金峡水库）为研究对象,利用高斯函数和两种神经网络建立3大水库的库水位和库容之间的关系模型。通过对比不同模型预测的均方根误差（RMSE）,相对均方根误差（RRMSE）和平均绝对百分比误差（MAPE）来判断模型的表现。结果表明:3种模型均可较好地拟合3大水库库水位和库容之间的关系,对于昌马水库和双塔水库来说,径向基函数神经网络（RBF）的表现优于非线性回归模型和前馈反向传播神经网络（FBNN）模型;对于赤金峡水库而言,FBNN神经网络的表现优于非线性回归和RBF神经网络模型。与经典回归模型相比,人工神经网络更适合于水库库容的确定。      

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。