基于神经网络的水产品价格预测模型研究

以水产品中鲫鱼为例,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,其相对误差均小于1%。结果证明,所构建的水产品价格预测模型具有良好的精确性和准确性,将神经网络应用于水产品价格预测是可行的。     

神经网络BP模型的设计与实现

应用人工神经网络中的BP前馈网络模型和改进的BP算法 ,对棉铃虫发生程度进行预测 ,结果表明 :该算法可靠 ,验证符合率达百分之百 ,在农作物病虫害预测方面有广阔的应用前景     

基于BP神经网络的灌区耗水量模拟预测模型

青铜峡灌区耗水量是一个复杂的非线性系统,受多种因素的影响,而农业耗水量是耗水大户.将影响灌区农业耗水量的主要因素:引水量、排水量、降雨量、蒸发量和地下水位埋深作为影响因子,建立青铜峡灌区灌溉耗水量的BP神经网络预测模型.结果表明,应用此网络,对2001-2003年灌区灌溉耗水量进行了预测,误差满足要求,精度较高,说明网络函数的选取和结构设计较为合理,该模型可用于灌区农业耗水量的预测.     

基于BP神经网络的我国农民收入预测模型

依据1978~2008年影响我国农民收入因素的相关数据,选取从事农业的人口、第一产业产值、乡村就业人员数等13个指标,依据标准化方法和BP神经网络方法,建立了关于农民收入的人工神经网络模型,并进行具体分析。结果表明,模拟值与真实值吻合较好,改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力。在此基础上,提出了增加农民收入的建议：一是推进城镇化进程;二是发展农村中小企业;三是鼓励集约经营;四是加强农村基础设施建设和农业科技投入。     

基于人工神经网络的粮食产量预测模型

研究了人工神经网络在经济预测中的应用问题,探讨利用人工神经网络进行农业粮食产量预测的方法。提出一种基于多层前馈BP神经网络的农业粮食产量预测模型,可以得到影响粮食产量的主要因子和粮食产量之间的非线性映射关系。并通过实例验证了神经网络模型的预测精度明显高于线性回归模型的预测精度。     

基于BP神经网络的农机总动力预测模型研究

利用黑龙江省1980～2007年农机总动力数据,对BP神经网络模型和现有农机总动力预测模型进行分析,建立了基于BP神经网络的农机总动力预测模型,并将该模型应用到2007年以后黑龙江省农机总动力的预测中,取得了良好的预期效果,为黑龙江省的农业机械化发展趋势和农机产品市场分析提供了一定的理论指导。     

基于神经网络的短期土壤墒情预测模型研究

为实现短期的土壤墒情预测,根据天津市蓟州区、静海区、宁河区、滨海新区的10个气象墒情自动监测站3年的数据,对短期土壤墒情预测模型进行研究。选取站点编号、空气温度、空气湿度、风速、风向等28项影响因子,用包含天气预报和不含天气预报的2组数据分别训练BP神经网络和Elman神经网络,并对4组预测模型结果进行对比分析。结果表明：不含天气预报的BP神经网络模型和包含天气预报的BP神经网络模型精度分别为94.79%、95.54%,不含天气预报的Elman神经网络模型和包含天气预报的Elman神经网络模型精度分别为96.85%、96.64%。研究认为,Elman神经网络具有稳定性好、精度高的特点;理论认为,含天气预报的模型精度比不含天气预报的模型精度高,BP神经网络表现出这一相关性,而Elman神经网络并没有表现出这一相关性。     

基于BP神经网络的杉木林蓄积量估测研究

以杉木人工林为研究对象,选取与蓄积量预测有关的因子作为样本输入,通过分析神经网络各参数对网络性能的影响得到最佳参数值,构建结构为10∶3∶1的杉木林蓄积量BP神经网络模型,通过模型训练随机抽取46个样本单元数据并预测20个检验样本。结果表明:BP神经网络对于林分蓄积量具有很好的模拟效果,总体拟合精度为88.5%,均方误差MSE=2.95,所构模型合理、稳定,能够快速有效预测杉木林的变化规律。     

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。     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测，森林蓄积量预测，各龄组蓄积量预测三层前馈反应传播神经网络模型对森林资源进行预测模拟，预测结果表明：在小样本条件下，森林资源预测神经网络模型预测精度较高，开辟了森林资源新途径。     

降水量的BP人工神经网络预测模型及其应用

由于影响因素的复杂性 ,预测降水量具有相当的难度。在假设区域长时间内降水量和蒸发量保持平衡的基础上 ,用 BP人工神经网络建立了陕西省汉中市的降水量预测模型 ,根据前 3个月降水量和蒸发量对降水量资料进行了模拟预测 ,结果认为其准确率为 84% ,合格率为 10 0 %。     

人工神经网络在遥感图像森林植被分类中的应用

应用人工神经网络模型对陆地卫星TM多光谱图像进行了森林植被分类的研究 ,共选取了 8种主要植被类型 ,重点是研究在不同背景条件下存在同谱异物现象的云杉、油松和落叶松等针叶林树种的分类方法 .所采用的网络模型为 3层误差后向传播神经网络模型 ,鉴于贺兰山自然植被垂直带谱明显 ,利用误差后向传播网络模型的并行分布式结构 ,研究中引入高程数据作为一个独立波段与 3个多光谱波段一起直接进行分类 ,取得了很好效果 .该方法与常规的最大似然法相比 ,存在同谱异物现象的云杉、油松和落叶松的分类精度平均提高了 2 7 5个百分点 .对存在同物异谱现象的阔叶林的分类精度也有一定程度的提高 .     

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.     

基于模糊神经网络的农业病害诊断通用平台构建

【目的】构建基于模糊神经网络的农业病害诊断通用平台。【方法】将客观计算与专家经验相结合,分别对病害症状的重要性及其模糊描述进行分析量化。建立模糊BP神经网络通用诊断模型用于诊断推理,引入附加动量法和自适应学习速率法对传统BP算法进行改进。采用面向对象的方法,运用Java语言开发病害动态诊断平台,并以葡萄病害诊断为例,对平台功能及性能进行测试。【结果】基于模糊神经网络的农业病害诊断通用平台构建成功,其对葡萄病害的诊断结果与专一的葡萄病害诊断专家系统诊断结果一致,且神经网络的训练速度显著提高。【结论】构建的基于模糊神经网络的农业病害诊断通用平台,适用于多种作物的病害诊断,克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性。     

Simple model based on artificial neural network for early prediction and simulation winter rapeseed yield

The aim of the research was to create a prediction model for winter rapeseed yield.The constructed model enabled to perform simulation on 30 June,in the current year,immediately before harvesting.An artificial neural network with multilayer perceptron(MLP) topology was used to build the predictive model.The model was created on the basis of meteorological data(air temperature and atmospheric precipitation) and mineral fertilization data.The data were collected in the period 2008–2017 from 291 productive fields located in Poland,in the southern part of the Opole region.The assessment of the forecast quality created on the basis of the neural model has been verified by defining forecast errors using relative approximation error(RAE),root mean square error(RMS),mean absolute error(MAE),and mean absolute percentage error(MAPE) metrics.An important feature of the created predictive model is the ability to forecast the current agrotechnical year based on current weather and fertilizing data.The lowest value of the MAPE error was obtained for a neural network model based on the MLP network of 21:21-13-6-1:1 structure,which was 9.43%.The performed sensitivity analysis of the network examined the factors that have the greatest impact on the yield of winter rape.The highest rank 1 was obtained by an independent variable with the average air temperature from 1 January to 15 April of 2017(designation by the T1-4_CY model).     

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MIV和GA-BP模型的农业机械化水平影响因素实证分析

农业机械化是农业现代化的前提和标志。利用2007-2012年31个省(市)面板数据,建立GA-BP神经网络模型,计算MIV值,对我国农业机械化水平影响因素进行了实证分析。结果表明,农村劳动力转移率、农村居民收入水平和农作物种植结构对农业机械化水平的影响较大,土地经营规模影响较小;户均人口数、水稻播种面积比重、农村居民家庭经营山地面积有负向影响,其它因素有正向影响。从区域来看,农村劳动力转移率是华北、东北、华东和中南地区农业机械化水平主要影响因素,户均人口数在华东、中南和东北地区具有负向影响,但在西北和西南地区具有正向影响,农业机械化水平总体呈现"东部缺地,西部缺人"的现状。从趋势来看,农村劳动力转移率、玉米播种面积比重和农村居民家庭人均纯收入的正向影响在不断增强,农村居民家庭经营山地面积、水稻播种面积比重、户均人口数的负向影响在波动中逐年减弱。为提高农业机械化水平,应加快农村剩余劳动力转移,突破稻作农机技术瓶颈,发展适合山区作业的中小型农业机械,同步推进农机专业服务市场发展和农业适度规模化经营。     

基于粒子群组合神经网络的原岩应力预测研究

【目的】建立原岩应力准确预测方法,为岩石力学研究及地下岩土开挖工程设计与施工提供参考。【方法】充分利用区域实测原岩应力数据资料,选取岩石埋藏深度、岩石类别等参数作为原岩应力的评判指标,在分析基于群体智能（GI）的粒子群优化算法（PSO）和BP神经网络算法特点的基础上,提出一种新的组合训练方法,建立了PSO-BP组合人工神经网络模型,并对原岩应力进行实际算例预测。【结果】PSO-BP组合人工神经网络模型整体工作性能优良,研究区域原岩应力场最大主应力、最小主应力、垂直应力的网络输出与目标输出相关程度较高,相关系数分别为0.994 0,0.997 0,0.992 0,该组合模型基本可以预测研究区域原岩应力场的分布规律。【结论】应用建立的PSO-BP组合人工神经网络模型可以进行原岩应力的准确预测,对岩体初始应力研究和地下工程设计具有一定的指导意义。     

水质预测的因素状态网络模型研究

通过对因素神经网络理论的研究,提出了因素状态BP网络;通过将信息扩散原理和落影技术结合,形成信息扩散式落影,并与因素状态BP网络有机结合,解决了知识非完备性的问题以及由于训练样本有矛盾样点而使平凡BP因素网络无法训练出结果的问题.以此建立的水质预测的因素状态人工神经网络模型应用于丹江口水库,获得了令人满意的结果.