基于BP神经网络的鲜鸡蛋货架期预测模型

为研究不同温度范围内鸡蛋的品质变化及货架期,通过实验室模拟,检测了鲜鸡蛋在5、25、35℃条件下的哈夫单位值、蛋黄系数等理化指标,分别构建了同等实验条件下的鲜鸡蛋货架期动力学预测模型和BP神经网络预测模型,并选取5、25、35℃温度下共6组数据进行模型验证。结果表明,基于BP神经网络的鲜鸡蛋货架期模型预测精度达到95.93%,动力学模型预测精度为90.79%,BP神经网络能更精确地预测鲜鸡蛋在5~35℃贮藏温度范围内的货架期。     

基于生物阻抗的即配羊肉货架期无损检测方法

货架期是判断羊肉新鲜度的重要标准。为探讨生物阻抗技术在食品货架期检测方面的应用前景,提出了一种即配羊肉货架期无损检测方法。结合影响即配羊肉新鲜度变化的关键因素及生物阻抗的测量原理,针对电极数量、电极材料、电极排列方式等测试条件的不同,自主设计了电极作为生物阻抗测试前端。揭示了在0、4、8℃的3个贮藏温度下即配羊肉阻抗参数和TVB-N含量的变化规律及即配羊肉阻抗与TVB-N含量、货架期的相关性;以TVB-N含量为关键参考指标,建立基于BP神经网络的即配羊肉货架期预测模型和评价方法,并将其与支持向量机模型、决策树模型进行对比,BP神经网络模型的F1分数可达95.9%。基于BP神经网络模型设计即配羊肉货架期检测系统,可实现用户友好的数据可视化与即配羊肉货架期的即时检测。     

苹果货架期GAN-BP-ANN预测模型研究

准确预测剩余货架期是降低苹果过长贮藏风险的有效途径,目前基于传统动力学模型的预测准确度较低,提出一种基于生成式对抗网络（GAN）改进的反向传播人工神经网络（BP-ANN）苹果货架期预测方法。以0、5、15、25℃下贮藏的“富士”苹果为研究对象,获取果实的12个理化品质指标随贮藏时间变化的取值;分别采用2种特征选择方法对品质指标进行排序,依次累加排序为1~12的品质指标结合贮藏温度作为BP-ANN的输入层变量。通过GAN扩大BP-ANN的训练集样本数量,建立“富士”苹果货架期的 GAN-BP-ANN和BP-ANN预测模型。试验结果表明,经过GAN可生成与真实数据分布范围一致的数据集,以真实和生成数据集共同作为训练集构建的GAN-BP-ANN模型其验证集准确度总体高于BP-ANN模型;以稀疏主成分分析(SPCA) 选取得到的前1、2、6个品质指标,结合贮藏温度分别作为GAN-BP-ANN模型的输入层对货架期进行预测,其平均相对误差均在0.070以内,决定系数均在0.988以上。     

基于神经网络的道路交通事故预测

道路交通事故预测是交通研究的一个重要课题,以我国交通安全状况为研究对象,依据我国道路交通事故的特点,利用神经网络具有自学习、自组织、自适应能力特征,运用神经网络的方法及我国多个年度道路交通事故统计数据,建立了道路交通事故神经网络宏观预测模型,预测精度符合道路交通事故预测的要求.     

基于粗糙集理论和BP神经网络的粮食产量预测方法

结合粗糙集理论和BP神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络的系统模型,并在此基础上用于粮食产量预测。仿真结果表明,该模型较之传统的预测方法显著地提高了预测的速度和精度,在实际中有着良好的应用前景。     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

基于BP神经网络的农机拥有量预测技术

应用BP神经网络技术预测农业机械的社会拥有量，证实了农机拥有量系统的非线性混沌特征，提出了预测的“窗口”最优化方法和预测操作技术。并对今后5年的农机拥有量进行了预测。     

基于BP神经网络的农机总动力组合预测方法

鉴于单一预测模型和线性组合预测模型的局限性,在确定黑龙江省农机总动力单一预测模型的基础上,建立了基于BP神经网络的非线性农机总动力组合预测模型。误差分析表明,该非线性组合预测模型的拟合平均绝对百分误差为3.03%,低于一元线性回归模型、指数函数模型、灰色GM（1,1）模型和三次指数平滑模型的6.26%、4.65%、4.88%和3.72%;稍高于以误差平方和最小为原则构建的线性组合预测模型的2.86%。用2006～2008年黑龙江省农机总动力进行检验预测,结果表明该模型可以有效地提高农机总动力的预测精度,用该模型预测了黑龙江省2009～2015年农机总动力。预测结果表明,在未来几年黑龙江省农机总动力将保持快速增长趋势,到     

基于RBF神经网络的地下水动态预测

以内蒙古自治区巴彦淖尔市金泉工业园区为例,基于园区B248号长观井2001-2008年的地下水埋深资料,首先建立了地下水埋深RBF神经网络预测模型,而后对该模型的模拟结果作误差分析,并将相应值与BP网络模型进行对比。RBF神经网络模型和BP网络模型的最大相对误差分别为9.88%和19.67%,最大绝对误差分别为0.81和1.56,均方误差分别为0.19和0.98。显然,RBF神经网络具有较高的预测精度和较强的非线性映射能力。用上述训练好的RBF神经网络模型对研究区2009-2013年平水年条件下的地下水埋深进行预测,结果表明,研究区已出现地下水位持续下降的趋势。最后,根据地下水资源保护规划方案,在逐时段压缩地下水开采量10%的情况下,研究区2025年即可恢复到2001年的地下水水位值。     

基于BP神经网络的农业机械数量预测

为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。     

益生菌发酵苹果浊汁贮存期品质分析与货架期预测模型

为明确不同贮存温度对益生菌发酵苹果浊汁品质的影响及预测发酵苹果浊汁的货架期,测定了4、25℃条件下益生菌发酵苹果浊汁色差L*值、a*值、b*值、ΔE值,以及稳定系数、活菌菌体浓度、感官评分、有机酸质量浓度、糖质量浓度和香气成分等指标的变化,基于Arrhenius方程构建了发酵苹果浊汁各项品质指标货架期预测模型。结果表明:在4℃和25℃条件下,发酵苹果浊汁的b*值、ΔE值变化符合零级反应,其他指标均符合一级动力学反应。以单指标分别建立预测模型,模型计算验证结果显示,各模型的相对误差均小于10%,偏差度和准确度不大于1.04,说明模型可以很好地预测发酵苹果浊汁贮存期的各项指标。活菌菌体浓度与其他品质指标均呈显著相关,以其建立的4℃和25℃条件下的发酵苹果浊汁货架期预测模型的预测值与实测值的相对误差小于10%,说明模型可靠、合理,可以准确预测益生菌发酵苹果浊汁的货架期。     

基于尾气射流的发动机寿命预测模型

通过对汽车尾气高速摄影图像的分析,发现了同一转速下尾气射流贯穿距离随发动机行驶里程的变化规律,并根据实测数据,采用MATLAB技术对其进行了幂函数模型回归,通过拟合优度评价指标决定系数R2、误差平方和(SSE)及误差均方根(RMSE)对其检验,结果表明:该模型能够很好地描述同一型号发动机在同一转速时不同行驶里程下的尾气射流运动过程,为采用尾气射流贯穿距离预测发动机动力特性和寿命奠定了基础,也为确定发动机预防维修任务提供了依据。     

不同贮藏温度下鲈鱼腐败菌生长动力学与货架期预测

为快速预测鲈鱼在不同温度下特定腐败菌的生长规律,模拟了鲈鱼的4种贮藏温度:流化冰贮藏(-1.8℃)、碎冰贮藏(0℃)、冷藏1(4℃)与冷藏2(10℃),分析了不同温度下鲈鱼的菌落总数、希瓦氏菌与假单胞菌数,并测定了相应条件下鲈鱼货架期终点时的总挥发性盐基氮和QI值。采用修正的Gompertz方程描述鲈鱼特定腐败菌的动态变化,分别以Belehradek平方根方程和Arrhenius方程建立微生物生长预测模型。结果表明,修正的Gompertz方程能准确描述4种贮藏温度下鲈鱼特定腐败菌的生长规律,希瓦氏菌和假单胞菌的腐败阈值分别为(6.48±0.41)lg CFU/g与(6.33±0.36)lg CFU/g。通过碎冰贮藏组(0℃)和模拟流通组(流化冰预冷(-1.8℃)—无冰运输(0.8℃)—碎冰贮藏(0℃))样品对模型适用性进行验证,得出基于Belehradek方程的希瓦氏菌、假单胞菌生长预测模型偏差度分别为0.993 6、0.951 0和1.024 2、0.982 1,准确度分别为1.084 5、1.042 5和1.107 5、1.093 4,货架期预测模型相对误差绝对值在0~10%,准确度优于Arrhenius方程。因此,由Belehradek方程建立的模型能更准确描述鲈鱼在常规流通方式下希瓦氏菌和假单胞菌的生长规律,可为鲈鱼流通货架期的预测提供理论依据。     

基于BP网络的膜下滴灌加工番茄墒情预报研究

针对加工蕃茄自动化滴灌系统下土壤墒情预报的问题,2011年在新疆生产建设兵团农八师国家农业科技园区,开展了土壤墒情预报的田间试验研究。通过观测得到的4个深度的土壤体积含水率以及日平均气温作为输入量,提出了一个基于BP网络的、可以对加工番茄在生育期内的墒情作出短期预报的模型。该模型分别以2d、7d为时间间隔,对自动化滴灌系统下的加工蕃茄墒情进行了预报,仿真结果显示预报效果较好。该模型用于加工番茄的土壤墒情预报是可行的,并且是一种简单、易于推广的墒情预报方法。     

基于神经网络的利乐包装设备零件寿命的预测

以可靠性为中心的维修思想为指导,整理、利用某工厂5台利乐液体包装设备近10年零件更换和工作条件的历史数据,根据设备维修实践,提出了零件剩余寿命率的概念,设计实现了BP神经网络,预测设备主要零件的剩余寿命率,得到了较为满意的预测结果.该方法可作为利乐设备预防性维护系统(TPMS)的补充方法,对利乐设备维护管理有较强的实际指导意义,给操作和维修人员及时提供准备更换零件的信息,从而保证乳品生产的可靠性,有效降低生产成本和设备维护成本.     

基于BP神经网络的排种器充种性能预测

在分析丸粒化玉米种子精密排种器工作原理的基础上,运用Matlab神经网络工具箱建立了排种合格指数A的BP神经网络预测模型,选取排种轴转速n、型孔直径D和排种盘的锥角Ф作为试验因素进行排种性能试验,得到81组合格指数的试验结果。选取其中的60组进行样本训练,并对剩下的21组结果对训练好的网络进行预测,n,D,Ф为输入层,A为输出层,网络结构为3-11-1的3层网络。预测结果表明,预测值与试验值误差较小,为排种器的优化设计及参数的选择提供了依据。     

基于主成分BP人工神经网络的参考作物腾发量预测

影响参考作物腾发量的气象因素众多,且相关程度较高。基于主成分分析原理,将影响ET0的7个主要气象因素以及旬序数进行特征提取,形成3个综合影响因子,既可保证气象信息的完整性,又可避免气象信息的交叉重叠。以江苏省无锡市某区作物腾发量预测为例,经主成分分析并简化的参考作物腾发量BP神经网络模型具有结构简单、收敛快、精度高的特点,可用于ET0预测。     

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%。     

基于神经网络红枣红外辐射干燥预测模型建立

针对红枣红外辐射干燥含水率的变化具有非线性和时变性、很难利用现有的模型构造一个数学模型来描述其变化规律的问题,利用Mat Lab神经网络工具箱和红枣红外辐射干燥特性试验数据建立了神经网络预测模型。通过对实测值和模型预测值进行分析研究,得出利用BP神经网络可以较快速、准确地建立模型来描述含水率的变化规律,且模型的预测值与试验测试值误差较小,能很好地实现在线预测的效果。