基于人工神经网络的山西省森林资源预测研究

以森林资源一类清查数据为基础,利用人工神经网络的BP算法对山西省森林资源的发展趋势进行了预测。结果表明:山西省森林资源在相对稳定的条件下,森林面积、蓄积呈现稳定增长态势,森林生态功能逐步完善;到2010年森林覆盖率将达到21%;单位面积蓄积量呈明显下降趋势,森林生产力下降。此结果为研究区森林经营提供科学依据。     

BP人工神经网络在罗非鱼价格预测中的应用

通过分析影响罗非鱼价格波动的因素,利用BP神经网络良好的非线性映射特性,建立罗非鱼价格预测模型。选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,结果表明,该模型收敛速度快,预测精度高。该方法为水产品价格预测提供了一种新思路,有较高的应用价值。     

基于人工神经网络的井灌水稻区地下水位预测

利用带动量项学习规则的改进 BP算法 ,对三江平原创业农场井灌水稻区逐月地下水埋深进行了模似仿真 ,将人工神经网络技术 (ANN)与广大井灌水稻区生产实际相结合 ,通过网络检验与预测 ,模型精度与预测精度均达到满意效果。该网络模型对于节约地下水开采量 ,恢复该地区的地下水动态平衡、制定农作物优化灌溉制度、发展节水灌溉、促进农业及水资源的可持续发展提供参考作用     

人工神经网络预测含蜡原油的屈服应力

针对含蜡原油输送管道的停输再启动问题,以室内模拟环道试验数据为基础,利用误差反向传播算法(BP算法)对相同运行工况含蜡原油在不同停输温度条件下的启动屈服应力进行计算,并由此预测了含蜡原油在不同启动温度条件下的启动屈服应力值.计算结果与试验结果对比表明,BP神经网络对启动屈服值的预测值和试验值最大误差为1.9%,最小误差为0.12%.     

镉在鲫鱼体内积累规律及BP人工神经网络模型预测

鲫鱼暴露在低浓度镉溶液中 ,鱼体不同部位对镉具有一定的积累功能。积累能力排序为内脏 >鳃 >肌肉 ;积累量随暴露浓度的增大而增加 ;内脏及鳃中的积累量随时间的增长而增加 ,肌肉中的积累量先随时间的增长而增加 ,达到一定时间后又下降。BP人工神经网络应用于Cd的积累量预测 ,模型精度较高。     

基于人工神经网络的辽宁省粮食产量模型预测研究

利用辽宁省1983～2008年粮食产量数据,建立了粮食产量预测的3层BP网络模型,网络拓扑结构为6-6-1。用此模型对作物产量进行预测,并与多元线性回归预测结果进行比较。结果表明,人工神经网络预测的最大误差为1.57%,平均误差为0.79%,网络预测精度为0.97,说明人工神经网络模型具有较高的预测精度和较强的泛化能力,为粮食产量预测提供了一条新途径。     

基于人工神经网络的森林火险预测

在对河南登封地区火灾发生状况进行有效分析的基础上,以林火发生与其紧密相关的气象因子为基础,运用BP人工神经网络建立了林火发生预测模型,分析得出最好的网络结构为6∶5∶1,建模精度为0.97,98%的样本拟合误差绝对值不超过0.000 7,取得了较好的拟合效果。     

森林资源动态预测研究

本文以八一农学院实习林场为例,用系统动力学的方法对森林资源作动态预测研究,建立了森林资源SD模型,预测到本世纪末的森林资源及木材生产状况,进行多方案模拟比较,并选出最优方案,同时提出研究中出现的问题。     

基于BP神经网络的河川年径流量预测

运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势。通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度。以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

基于人工神经网络的土地整理项目综合效益评价研究

根据土地整理工程特点,采用人工神经网络方法中的反向传播算法（BP）构建模型,对土地整理工程的生态、经济和社会效益进行综合评价,旨在为土地整理评价提供新的方法和思路。评价结果显示,在所选的河北省21个土地整理项目中,有16个项目的综合效益评价值在＂中等＂以上,能够反映出土地整理工程的实际效益。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004~2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

基于人工神经网络的林分直径分布预测

以马尾松人工林为研究对象,用人工神经网络建模技术构建了林分直径分布预测模型。经训练和优选,得到的理想模型结构为3∶6∶6∶1,训练误差指标为0.000281,总体拟合准确度为98%。模型对82块训练标准地的累积频率拟合准确度最大为100%,最小为95%,平均为98%;频率拟合准确度最大为96%,最小为75%,平均为87%。模型对18块检验标准地的累积频率预测准确度最大为99%,最小为97%,平均为98%;频率预测准确度最大为96%,最小为76%,平均为88%。所建模型具有很好的拟合效果和很强的预测能力,可用于10～30年生马尾松人工林。研究结果证明,人工神经网络技术可以作为有效的林分直径分布预测技术。     

基于人工神经网络的管道运行费用预测

利用人工神经网络能够较好地模拟在各种不确定因素影响下的因果变量之间的内在关系。建立了基于人工神经网络的管道运行费用预测模型，该模型的网络结构由输入层(1个节点)、隐层(7个节点)和输出层(1个节点)组成。采用改进的BP算法对25组学习样本进行训练，得到各节点间的连接权和阈值，然后用优化好的网络进行给定输量的管道运行费用预测。预测结果表明，利用该方法建立的模型预测误差在4％以内，可以完全满足工程实际需要。     

基于人工神经网络的串联水库水质模拟预测

将人工神经网络(A-BP)模型用于串联水库水质的空间模拟预测,建立了基于A-BP的一维和二维水质模型.根据串联水库的水质在一维空间上的连续性,构建模拟水质一维空间分布的A-BP模型;二维A-BP水质模型是在将二维水质扩散问题视为平流扩散、横向扩散和纵向扩散3个方面问题的基础上建立的.模拟预测结果表明,本文建立的A-BP水质模型模拟预测效果较好,模型构建合适,可以作为进行水库水质模拟预测的有效工具.     

基于人工神经网络的土壤溶质运移模拟与预测

在土壤质地、土壤容重和含水量一定的情况下．把土壤溶质运移时间和运移距离看作影响土壤溶质运移的主要参数，建立2个输入单元和1个输出单元的三层BP网络．对一维垂直土柱Cd^2 的穿透试验进行了模拟和预测。其预测结果同数值解相比，R^2=0．949，精度基本一致。可见BP网络预测模型反映了溶质穿透过程中，土壤溶质含量与运移时间和距离的动态关系；用BP网络预测土壤溶质含量的时空变化具有可行性，而且不需要建立具体的数学模型；工作量大大减小，不需要测定水动力弥散系数、阻滞系数等，具有很强的实用性。     

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。     

人工神经网络在农业病害预测中的应用研究

人工神经网络是属于机器学习领域中的监督学习,利用神经网络的非线性逼近能力,对病害的发生时间、感染程度以及病害迁移方向进行预测。相比较于传统的病害预测方式,人工神经网络具有实时性高、精度高、容错性强等特点,为农业现代化提供了另一种技术支撑。本文通过研究资料发现农业病害的发生跟气候有巨大的关系,结合这点并利用神经网络的强大学习能力对历史病害数据与发生程度进行分类处理,最后再利用已训练好的网络模型预测未来病害的发生趋势。     

森林资源消长预测公式及其分析

本文推证出适合我国南北方林区不同采伐作业制度的森林资源消长预测公式,森林年采伐量计算公式和资源档案数据更数计算公式。并将文中推导的公式汇集成一览表,便于综合分析和实际选用。