基于MEA-BP神经网络的土壤养分评价模型

针对BP神经网络在解决复杂非线性问题时,存在初始权值和阈值随机赋值,网络学习速度慢,局部极小的问题,运用群体搜索能力强的思维进化算法(MEA),寻找出最优的初始权值和阈值,优化BP神经网络的网络结构,建立MEA-BP神经网络的土壤养分等级评价模型。以敦化市黑土的土壤养分数据作为测试集,评价指标选用土壤的有机质、全氮、速效氮、速效磷和速效钾。对比MEA-BP网络预测模型、遗传算法(GA)优化BP网络预测模型和单一的BP网络预测模型,结果表明MEA-BP网络预测模型的均方误差(MSE)最小、决定系数(R^2)最接近1和误差波动最小,可以更准确地反映土壤养分分级特性。     

基于PCA优化—BP神经网络算法的农田土壤养分评价

为达到对膜下滴灌土壤养分综合评价的目的,采用描述性统计分析、主成分分析(Principal Component Analysis,PCA)和Back Propagation(BP)神经网络方法对通辽市科左中旗农田土壤养分进行评价,结合单因子指数法,并与传统方法中运用最广的模糊数学综合评价结果进行对比分析。依据《全国第二次土壤养分分级标准》,经实测数据验证,结果表明:2015年和2016年科左中旗农田土壤养分综合评价良好;将PCA与BP神经网络相结合的方法运用到解决土壤学问题中,可获得客观的结果;经检验PCA与BP神经网络模型相结合的评价方法适用于因子多且复杂、精度要求高的样本。将PCA与BP神经网络相结合既可以解决信息过多、分析困难的问题,又可以降低模糊性、减少精度下降,将各自优点有效的联系在一起,相较传统方法可以更加科学合理、准确有效地对土壤养分进行综合评价。     

现代农业装备发展水平综合评价——基于BP神经网络

为综合评价现代农业装备发展水平,分别选取了9项一级、20项二级评价指标,运用BP神经网络法建立了各指标权重系数计算模型,得到了现代农业装备发展水平综合评价体系。作为评价体系的应用,基于新疆兵团2005-2012年度统计数据,评价了新疆兵团的现代农业装备发展水平,评价结果符合实际情况,表明本文指标设置恰当,指标权重计算模型正确,能够为现代农业装备的发展提供理论支撑。     

基于BP神经网络的水资源利用效率评价方法研究

近年来,我国水资源利用效率有一定提升,但是相比发达国家仍有很大提升空间。文章借助前人建立的水资源效率评价指标体系,结合BP神经网络学习和存储信息、总结规律并识别事物和智能运算的能力,提出一种基于BP神经网络的水资源利用效率评价方法。应用该方法对锦州、营口、阜新、辽阳四市评价打分,结果表明,该方法拟合效果很好,平均相对误差为1.13%,与专家评分结果相拟合,R2可达0.9963。该方法能够模拟专家的评分偏好及特点,统一标准客观地对水资源利用效率进行综合评价,将主客观结合起来,提高评价结论的可靠性,为区域水资源利用效率评价提供一种新的途径。     

基于云模型的耕地土壤养分模糊综合评价

土壤养分综合评价在很大程度上存在着模糊性和随机性,为有效解决评价中定性概念与评价指标按隶属函数定量描述这一不确定转换问题,基于云理论及模糊数学原理,构建了基于云模型的耕地土壤养分模糊综合评价方法。以吉林省大安市为研究对象,选取耕作层中有机质等7个土壤养分元素的含量作为评价指标,利用熵权法确定各指标权重,计算得到评价对象的土壤养分模糊云综合指数(Cloud fuzzy comprehensive index,CFCI),并对CFCI进行COK插值,形成土壤养分CFCI等级分布图。结果表明:从评价结果的数据特征来看,研究区域CFCI范围在2.43~4.89之间,平均值为3.78,标准差为0.45,变异系数为11.85%,属于中等变异程度;从评价结果的空间分布格局来看,大安市耕地土壤养分综合水平呈现由北向南逐渐下降的趋势,且呈现耕地集中连片度越高的地方,土壤养分综合水平越高的特点。     

基于BP神经网络的新安江模型初始土壤蓄水量计算研究

[目的]克服传统经验折减系数法在计算新安江模型初始土壤蓄水量方面的缺点,并提高新安江模型在湿润半湿润地区的应用效果.[方法]结合流域初始土壤蓄水量的影响因素和神经网络模型特点,提出构建基于BP神经网络的新安江模型初始土壤蓄水量计算方法.[结果]在3种输入因子组合方式下,当BP神经网络隐含层节点大于11时,模拟训练期模型...     

基于模糊BP神经网络的水资源合理配置综合评价研究

为使水资源得到高效利用,保证社会、经济、资源和生态环境的可持续发展,必须对水资源配置方案进行评价优选,研究评价指标体系建立的原则,建立涵盖社会合理性、经济合理性、资源合理性、生态合理性等诸多因素的水资源合理配置评价指标体系.结合某市的实际情况,选用FS-BP-ANN评价模型对某市4个水资源合理配置方案进行综合评价,以期合理规划和配置水资源,缓解供需矛盾.     

基于BP神经网络的土壤氮素运移模型

随着淡水资源的日益紧缺,再生水灌溉已成为人们日益瞩目的研究方向,而再生水灌溉条件下土壤氮素运移规律与模拟成为这个研究的关键环节之一.以往对土壤氮素运移的模拟主要聚焦在数值模拟上,鉴于数值模拟在应用上的复杂性,为了寻找一种简便实用的模拟方法,尝试引入人工神经网络技术对土壤氮素运移进行模拟,经模拟计算得出,拓扑结构为10:12:7的BP网络模型可以较精确地模拟再生水灌溉条件下的土壤氮素运移,此研究为土壤氮素运移的研究开辟了新方向.     

神经网络在土壤养分流失预测中的应用

以BP网络（Back Propagation Network)为基础，建立了小流域土壤养分（包括N，P，K3种成分）为输出层，流域出口处的洪量，输沙量及流域的年降雨量为输入层的包含一个中间层的BP网络，经检验，模型输出与多元线性回归模型计算结果一致。模型的建立及求解为水土保持中土壤养分的流失预测研究提供了一种新方法。     

基于Sentinel-1A数据和BP神经网络的裸露地表土壤含水量反演研究

土壤含水量是影响水文循环和气候变化的重要参数,相比于光学遥感,雷达遥感不受云、雨等气象因素影响,可以实现全天时、全天候的连续观测,是大范围获取土壤含水量信息的有效手段。为研究裸露地表雷达后向散射信号的影响因素和变化规律,探讨利用Sentinel-1A雷达数据反演裸露地表土壤含水量的方法,在南阳盆地典型农业区进行了观测试验。首先利用微波散射模型—AIEM理论模型模拟不同雷达入射角度、地表均方根高度、相关长度、以及土壤含水量参数下的雷达后向散射系数,分析各参数对雷达后向散射系数的影响。进而采用实测数据和模拟数据训练BP神经网络模型(Back Propagation Neural Network,BPNN),以实现对裸露地表土壤含水量的反演,并对其反演精度进行验证。结果表明：在特定入射角下,地表粗糙度对土壤含水量反演精度的影响不可忽略。不同极化方式下,BPNN模型与AIEM理论模型对微波后向散射系数模拟值的R²达到0.99以上。采用野外实测数据对BPNN模型反演土壤含水量的精度进行测试,结果显示,模型预测值与实测值之间的R²为0.72,RMSE为0...     

基于BP神经网络的模型铲刀推土阻力预测模型

将BP神经网络应用于典型的曲面推土板-模型铲刀推土阻力的预测.在模型铲刀推土试验研究结果的基础上,以模型铲刀的切削角、前翻角和切削速度为输入,以模型铲刀推土阻力的水平分力与垂直分力为输出,建立了BP神经网络数值模拟模型.研究结果表明,该BP神经网络有效地预测了模型铲刀的推土阻力,其准确率在94%以上.     

基于TOPSIS和BP神经网络的高标准农田综合识别

为提高耕地综合生产能力,适应农业现代化发展需求,我国提出了高标准农田建设的重大战略部署。高标准农田的识别是建设前选址和建设后评价的基础。本文以耕地图斑为基本单元,融合遥感影像等多源数据,从本底条件、空间形态、建设水平、生态防护等方面,构建农田综合质量多特性表征体系,采用逼近理想点排序法(TOPSIS)进行初步评价,再以人机交互的方式选取各质量等级农田的真值样本,进一步采用BP神经网络算法修正各特性权值,得到农田综合质量的精确评价结果,实现高标准农田识别。以吉林省大安市为研究区,研究结果表明:基于多特性表征体系的农田综合质量评价方法精度达到96%以上;研究区高标准农田面积广大,主要分布在耕地集中连片、道路通达、生态防护良好、具有农业现代化生产优势的东北部、中北部、西北部边缘和部分南部区域;当地已备案的高标准农田和未备案、有潜力的高质量农田区域均得到有效识别。     

基于BP网络的畦灌性能模拟模型及其应用评价

根据山东簸箕李灌区冬小麦灌溉实测资料,初步建立了基于BP网络的畦灌性能模拟模型,并以地面灌溉数值模型SRFR模拟结果作为目标值,对开发的BP模型进行了训练,确定了BP模型运行参数。应用结果表明,SRFR模型和BP模型得到的灌水效率和灌水均匀度变化规律一致,平均相对误差均为2.5%左右,基于BP网络的畦灌性能模拟模型可用于类似条件下畦灌性能指标的预测和评价。     

基于改进的BP神经网络胶铆接头的力学性能预测研究

利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型.结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力.对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的...     

基于KHA优化BP神经网络的地下水水质综合评价方法

为提高区域地下水水质评价精度,将磷虾群算法(Krill herd algorithm,KHA)引入到BP神经网络连接权值与阈值的优化过程中,构建了KHA-BP地下水水质综合评价模型。以黑龙江省农垦建三江管理局为研究对象,运用所建模型对其下辖15个农场进行地下水水质综合评价,并对造成地下水水质污染的主要原因进行辨识。为验证本文所建模型的适用性,引入区分度法与序号总和理论分别分析了KHA-BP模型、PSO-BP模型以及BP模型的可靠性与稳定性。结果表明:各农场地下水水质良好,且存在一定的空间分布规律,I类水质主要集中在管理局西南位置,Ⅱ类水质主要集中在北部和南部,Ⅲ类水质主要分布于中东部和中西部。Fe、Mn、CODMn、NH_3-N以及NO-3-N是造成地下水水质污染的主要因素。其中Fe、Mn是当地原生危害,CODMn、NH_3-N、NO-3-N含量超标主要与大量施用化肥、农药有关。KHA-BP模型的区分度为1.107 0,Spearman等级相关系数为0.928 6,与PSO-BP模型、BP模型相比优势明显。研究成果可为粮食生产核心区的地下水资源科学管理及水生态文明建设提供科学依据。     

基于改进BP神经网络的复合叶轮离心泵性能预测

应用Matlab建立了复合叶轮离心泵效率和扬程的BP神经网络预测模型.选取73组试验结果作为样本,采用LevenbergMarquardt法则对构建的网络进行训练,并随机选取12组训练样本外的数据对训练好的网络进行测试.试验的主要参数为流量Q, 叶片数z,叶片出口安放角β2,短叶片进口直径Di,叶片出口宽度b2,效率η以及扬程H.其中选取Q,z,β2,Di,b2作为网络的输入层,η和H作为输出层.预测结果的分析表明,预测值与试验值具有较好的一致性,利用BP神经网络对复合叶轮离心泵性能进行预测是可行的,可用来作复合叶轮的辅助设计,从而缩短试验时间,降低成本.     

基于BP神经网络的雨雪混合径流预

通过分析暴雨融雪混合径流的物理成因,确定其主要影响因子,然后分析雨雪混合径流主要影响因子对径流的影响,建立一个基于BP神经网络雨雪混合径流预报模型。并利用新疆喀浪古尔河流域暴雨融雪径流资料对模型进行仿真训练实验和验证,通过结果比较分析,在一定程度上提高了模型预报精度,取得了一定成效。