基于PCA的BP神经网络在城市供水预测中的应用

可靠的城市供水量预测,是区域水资源科学管理与优化配置的重要基础.为客观预测城市供水量变化趋势,本文采用主成分分析法(PCA)进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平年的供水预测.以抚顺市供水量为工程背景构筑预测模型,模拟检验精度较高,可用于抚顺市的供水预测,并为抚顺市水资源的优化配置提供了科学依据.     

基于BP神经网络的柑橘农药残留预测

基于BP神经网络算法,采用主成分分析法得到农药相对分子质量、气温、降水量、pH、CEC、有机质、施药浓度、采收间隔期是影响农药残留量的主要因素,并将其作为输入变量,初步构建柑橘农药残留预测模型。结果表明：经160组样本数据模型训练和测试,预测相对误差为0.92%～18.93%,平均为7.42%,绝对误差为0.001～0.153 mg/kg;BP神经网络预测模型的决定系数为0.962 05。可见,面对复杂的自然环境及柑橘种质性状,基于BP神经网络的柑橘农药残留预测系统对柑橘上多种农药的残留显示出较高的预测精度,说明将机器学习算法用于柑橘的农药残留检测是可行的。     

基于Vis-NIR光谱的土壤质地BP神经网络预测

为快速、准确地获取土壤质地信息,提出了应用Vis-NIR光谱结合BP神经网络的建模方法。以河南封丘县的86个土壤样本为研究对象,以原始光谱和微分光谱主成分为输入变量,建立土壤粘粒和砂粒的BP神经网络预测模型,并将其预测结果与多元线性逐步回归模型进行比较。结果表明:基于原始光谱主成分的BP人工神经网络预测结果最好,优于多元逐步回归模型,预测粘粒和砂粒的RMSE分别为1.62和6.52。BP神经网络所建模型训练时间短、准确度也较高,能实现对土壤质地的高效预测。     

广西耕地资源动态变化及其驱动力分析

根据广西1997~2005年的统计资料,分析耕地面积变化规律,采用主成分分析法和多元线性回归分析法,对耕地面积变化的驱动力进行定量研究。结果表明,经济发展、人口增长、农业结构调整和农业科技进步因素是广西耕地面积变化的主导驱动因素,其结果将为合理利用和保护耕地、促进区域可持续发展提供科学依据。     

武汉市耕地资源动态变化及驱动力研究

依据武汉市2000—2009年耕地面积和社会经济统计数据,分析了该市耕地数量变化的过程,并运用主成分分析法分析了该市耕地数量变化的驱动因素。研究表明:耕地总面积在时间上分为3个不同的变化时段,空间位置上表现出区域差异,人均耕地面积呈现逐年下降趋势。近年来人口增长、经济发展和农业科技进步是武汉市耕地资源数量变化的主要驱动因素。研究结论对武汉市保证耕地总量动态平衡,实现耕地资源的可持续利用具有重要意义。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

汉中市耕地资源动态变化及驱动力研究

根据汉中市1978～1998年耕地数据,研究汉中市耕地面积变化,以及各区县耕地利用动态度和相对变化率;结合汉中市20年来社会各经济因素,采用主成分分析法,探讨影响汉中市耕地数量变化的驱动力因子。结果表明:1978～1998年,汉中市耕地面积共减少4.22万hm2,累计减少率为14.72%;全市人均耕地面积净减少0.019 7 hm2,累计减少率为22.34%。各区县耕地利用动态度均为负值,动态度最大和最小的分别为南郑县和留坝县;耕地利用相对变化率均大于0,留坝县耕地面积减少率为全市最大。耕地变化驱动力因子主要为社会经济发展、人口、农业技术进步、粮食安全保障和畜牧业生产。     

基于主成分分析与BP神经网络的供应商选择模型

供应商选择是企业进行决策的重要内容,也直接影响着企业竞争力。在科学合理的构建供应商评价指标体系的基础上,首先对供应商评价的数据进行主成分分析,然后建立基于BP神经网络的供应商评价模型,最后以实例验证。这两种方法相结合不仅简化了模型结构,而且较好的克服评价指标主观性强的问题,为供应商选择提供了一种新的、实用的评价方法。     

基于BP神经网络的福建省耕地预测模型

福建省耕地严重短缺,人均占有耕地面积较小.随着经济的发展,人均占有耕地资源将进一步减少.针对这一现象,本文运用BP神经网络对福建省历年耕地面积进行拟合,建立预测模型,结果表明模拟效果理想.     

基于BP神经网络的黑龙江垦区人才需求预测

首先分析了黑龙江垦区人才需求预测的方法,在此基础上提出了运用BP神经网络对其预测的可行性,通过BP神经网络方法的详细分析,得出了黑龙江垦区对人才的需求数,并结合实际情况进行了分析。     

河南省耕地资源数量变化及驱动因素分析

了解耕地资源的时空变化过程及趋势有利于促进耕地合理持续利用,对确保区域粮食安全有重要指导意义。采用2000—2012年数据,探讨了河南省耕地数量在时间、空间上的变化特征,运用主成分分析法探讨了耕地数量变化的主要驱动因子,并运用灰色关联法和多元回归法对2013—2025年河南省耕地资源数量进行预测。结果表明,2000—2012年,河南省耕地数量呈现平稳—增加—基本平稳—增加—平稳的特征,人均耕地面积呈现平稳—增加—稍微降低—增加—降低的特征;信阳市、济源市、新乡市、鹤壁市、南阳市的耕地数量相对变化率均大于全省平均水平,分别为3.33、1.73、1.43、1.20、1.12。影响河南省耕地数量的主要因素表现为总人口客运量全社会固定资产投资额GDP农村人均居住面积城镇化水平。预测2013—2025年河南省耕地数量呈逐年小幅增加趋势,预计2020年河南省耕地数量为9 782.81 khm2,2025年达11 078.95 khm2。最后,从农村居民点集约利用、低丘缓坡地开发利用、补充耕地工程建设及耕地资源信息系统建设方面提出加强耕地保护的意见和措施。     

九江市耕地变化及驱动力分析

研究九江的耕地变化对加强九江土地利用调控与管理有重要作用.根据统计年鉴数据,计算九江市耕地变化情况和各区县耕地相对变化率,利用图表分析、主成分分析和回归分析等定量和定性分析方法,分析九江市15年耕地面积时空变化及其驱动力,并建立耕地面积与驱动因子之间的多元线性回归模型.结果表明:九江市耕地面积在时间上历经了先降后升的变化,在空间上表现出经济较发达的区县比经济欠发达的区县流失严重的趋势;影响耕地面积变化的驱动力有耕地政策和社会经济发展因素,而影响耕地面积变化的社会经济发展因素有经济发展水平、人口因素、城市化水平和农业科技水平.     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法,以广东省土地资源为对象进行了土地资源评价的研究,并与BP网络的评价结果作了比较,结果表明,用概率神经网络进行评价的结果比BP网络的评价结果更加准确,更加切合实际情况,一定程度上避免了人为因素的干扰,提高了土地资源评价的准确性．     

基于BP神经网络模型的桂西资源富集区土地生态安全评价

【目的】科学客观地进行土地生态安全评价,提出可行有效的土地生态系统优化对策,为桂西资源富集区土地生态安全的维护及未来发展提供参考。【方法】基于BP神经网络方法构建土地生态安全评价模型,通过分析影响土地生态系统的自然、经济、社会3个主导因素,建立桂西资源富集区土地生态安全评价指标系统,对2008—2017年桂西资源富集区土地生态安全程度进行评价。【结果】桂西资源富集区2008—2017年土地生态安全程度均属于一般安全状态,且由一般安全状态逐步接近较安全状态;其中百色市、河池市、崇左市分别在不同因素下的土地生态安全程度存在较大差异,且差异在逐年增大。【结论】为了避免桂西资源富集区土地生态安全系统存在发展失衡的倾向,建议桂西资源富集区政府优化营商环境,坚持"绿水青山就是金山银山";制定合理的耕地保护政策,缓解人地矛盾关系。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015 年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明：通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab 平台上训练精度设为0.005、学习率0.01 的BP神经网络方法可以很好地逼近非线性函数。用大于1/3 样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

基于BP神经网络对苹果呼吸强度的预测

应用BP神经网络,通过苹果贮藏期间多维数据与呼吸强度的相关分析确定网络的拓扑结构,建立苹果呼吸强度的人工神经网络模型.仿真结果表明,该神经网络能很好地拟合不同贮藏条件下的呼吸强度,模型预测精度达到90%以上.同时,通过遗传算法优化BP神经网络的初始权值和阈值矩阵,使神经网络的预测精度进一步提高.     

基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。