基于BP神经网络的葡萄病害诊断方法研究

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。     

基于BP网络的葡萄病害发生预测系统的开发研究

[目的]提高葡萄病害预测的准确度。[方法]介绍基于BP网络的葡萄病害预测系统的开发研究,包括网络结构的确定、网络学习参数的选取、样本数据的处理等方面。[结果]对河北省怀来县葡萄病害发生程度进行预测,取得良好的效果。[结论]运用BP网络模型对葡萄病害的发生量进行预测预报,适合于影响葡萄病害发生因素多、关系复杂、难以定量分析以及需长期预测的情况,对于葡萄病害发生程度的预测具有重要的参考价值。     

基于BP神经网络的对虾病害防治专家系统

针对中国对虾养殖产业遭受病害重创的情况,为解决基层相关技术人员短缺以及病害诊断准确率低的问题,结合神经网络专家系统在疾病诊断领域的应用,采用ASP.NET技术和B/S三层架构思想,设计并建立了基于BP神经网络的对虾病害诊断与防治专家系统。该系统是虾蟹养殖专家系统中的一个子系统,有效地解决了传统专家系统获取知识困难、自学习能力差和推理能力弱等问题,实现了对虾养殖的咨询、病害诊断与防治等功能,界面友好,操作简单实用,维护方便,具有一定的现实意义和推广价值。     

基于BP神经网络的对虾病害防治专家系统

针对中国对虾养殖产业遭受病害重创的情况,为解决基层相关技术人员短缺以及病害诊断准确率低的问题,结合神经网络专家系统在疾病诊断领域的应用,采用ASP.NET技术和B/S三层架构思想,设计并建立了基于BP神经网络的对虾病害诊断与防治专家系统。该系统是虾蟹养殖专家系统中的一个子系统,有效地解决了传统专家系统获取知识困难、自学习能力差和推理能力弱等问题,实现了对虾养殖的咨询、病害诊断与防治等功能,界面友好,操作简单实用,维护方便,具有一定的现实意义和推广价值。     

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。     

基于图像处理技术的黄瓜叶片病害识别诊断系统研究

为了提高黄瓜叶部病害检测与染病程度的分级的准确率和效率,综合运用图像处理技术、人工神经网络技术,实现黄瓜叶部病害检测与染病程度分级,并主要对发病率高且危害严重的黄瓜霜霉病、白粉病和病毒病进行试验研究.首先,通过接种方法获得了纯正的黄瓜病害样本,并采集染病植株的样本图像.利用基本图像处理的方法对黄瓜叶部病害图像进行处理,综合运用二次分割、形态学滤波得到病斑区域.其次,提取三种特征包括22个特征参数,采用BP算法训练的多层前向人工神经网络对黄瓜病害进行分类.实验证明,检测系统的黄瓜叶部病害平均识别精度为95.31%,并能够快速准确地对黄瓜叶片病害的染病程度进行分级     

基于遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具 ,遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法 ,并设计出了相应的数据挖掘系统 ,且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用 ,文中还提出了格雷———浮点编码法。     

改进BP神经网络和特征提取的黄瓜病害识别研究

快速、准确地识别黄瓜病害类型,制定防治方案并采取相关措施,是保障黄瓜良好生长的前提条件.为此,该研究提出采用随机梯度下降法的改进BP神经网络结合颜色特征和纹理特征的方法对黄瓜叶病害进行识别.首先,对采集的已归档分类后黄瓜的3种病害图像进行尺寸归一化和数据增强等预处理,其次,通过分析选择RGB图像的R分量、灰度共生矩阵的对比度、熵和能量作为特征提取参数;再次,构建改进的BP网络,运用提取到的特征参数对黄瓜病害叶片进行分类识别.结果表明,采用该方法黄瓜叶病害的识别率可达91.33％,说明该方法能较好地识别病害,具有较好的鲁棒性.     

模拟电路故障诊断的BP神经网络方法

提出了一种采用改进型的BP神经网络诊断模拟电路故障的新方法。介绍了包括附加动量法和自适应学习速率法在内的改进型的BP网络算法，其中附加动量法是在每一个权值的变化上加上一项正比于前次权值变化量的值，不仅考虑了误差在梯度上的作用，而且考虑在曲面上变化趋势的影响；自适应学习速率是根据误差函数值的变化对学习率进行实时调整，可以保证网络总是以最大的学习速率学习。最后，本文给出了仿真实例，实验证明所提出的方法与传统方法相比有更好的实时性和诊断效率。     

云南省水稻白叶枯病BP神经网络测报技术研究

 人工神经网络对复杂非线性问题映射能力强,能提高预测的准确度,为水稻白叶枯病害的防治工作提供指导。因此,本研究基于水稻白叶枯病害发生、危害与温度、湿度、降雨等气象因素相关的特点,利用人工神经网络建立云南省勐海县和石屏县水稻白叶枯病害BP神经网络预测模型,预测病害的发生程度。经实例验证,BP神经网络预测模型预测准确度达到80%以上,较逐步回归模型高。研究表明在勐海、石屏建立水稻白叶枯BP网络预测模型是可行的,并具有较高预测准确度,对防治工作有较高应用价值。     

BP神经网络在水稻病虫害诊断中的应用研究

介绍了BP神经网络算法及编码的内涵,探讨了基于BP神经网络的水稻病虫害专家系统的构建。研究表明,BP神经网络在水稻病虫害诊断中具有较强的应用价值。     

基于BP神经网络的数字识别

介绍了字符识别的几种方法及神经网络的基本原理,并将BP神经网络应用于数字识别,选取最佳的隐含层节点数及训练样本个数,实现了基于BP神经网络的数字识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别,具有广泛的应用前景。     

基子遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具，遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法，并设计出了相应的数据挖掘系统，且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用，文中还提出了格雷——浮点编码法。     

基于BP神经网络的智能定量供种系统设计

为确保双级振动精密排种器工作时在充种均匀的前提下实现连续播种,设计智能定量供种系统。为提高定量供种精度,基于BP神经网络对勺式外槽轮供种装置建立定量供种预测模型,建立隐层结点数为6的神经网络模型。BP网络训练结果表明,当网络模型训练步数为71步时,网络的均方误差为4.61×10~(-5),小于设定值5×10~(-5);采用16个理论供种模型样本与测试样本进行BP网络测试,结果表明,基于BP神经网络预测模型仿真得到的预测值相对误差较小,其精度高于理论供种模型的精度,且神经网络相对误差均小于5%,获得的样本误差平方和为5.59×10~(-4),小于设定目标值8×10~(-4),满足预先设定要求;最后,利用建立的定量供种预测模型,对4种不同千粒重的超级稻种子进行仿真,得到振幅分别为0、5、10、15μm下的排种轮转速与供种量关系,该研究结果可为确定定量供种器的工作参数提供理论依据。     

基于免疫粒子群和BP神经网络的变压器故障诊断技术

为了解决粒子群算法的早熟收敛问题和BP神经网络梯度下降训练法收敛速度慢、容易陷入局部极小值的问题,将免疫学中的克隆、变异理论用于粒子群算法的优化,建立免疫粒子群算法并给出算法步骤及免疫粒子群算法训练BP神经网络的步骤,将其应用到电力变压器的故障诊断中．仿真实验证明所提出的方法对变压器故障的诊断准确率可达95％以上,能够满足工程应用的需要．     

基于LM算法的BP神经网络的电力负荷短期预测

清代书院课艺总集多为连续出版物,或具有连续出版物的刊行初衷。刊期短则一季,多则一年或数年。经费充足与否,会影响刊期。发表周期多为一年至五年,也有十余年的。用稿率以10%~20%居多,偶见“关系稿”。时文的用稿标准是“清真雅正”。题目多为官师所拟。一般全文刊登,也偶有“论点摘编”。多经润色,并附录评点。有的以袖珍本刊行,有的宣称“翻刻必究”,标出定价,附载广告。稿费已在膏火费中预支,优秀作品可被转载。从本质属性和诸多要素来看,书院课艺总集实开今日“大学学报”、“学术集刊”之先河。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.