BP神经网络在旅游安全预警信息系统中的应用研究

利用BP神经网络对旅游安全预警信息系统的应用进行了研究,并通过BP神经网络模型的构建和仿真试验结果证明了该模型的适用性和可行性。     

基于神经网络的蔬菜农药残留风险预警模型研究

为探索基于常规监测数据的神经网络预警模型在农产品传统风险管理中的应用,以2011—2012年我国5省市的蔬菜中农药残留监测数据为样本,采取神经网络方法建立风险预警模型。首先,以产品种类、监测环节、监测时间和蔬菜产地为参考采用专家打分法将样本进行安全性评级,然后将经过筛选和预处理的45种农药监测数据,作为BP神经网络输入层,并根据不安全蔬菜的风险程度,以非常安全(A)、比较安全(B)、基本安全(C)、较不安全(D)和不安全(E)5个等级作为输出层,农药残留数据经过处理整合后得到16个样本,通过对其中14个样本进行拟合训练,得到预警模型及2个验证样本的评分结果分别为2.343 0和3.171 5,与实际评分结果隶属同一安全等级。证明基于客观监测数据的神经网络预警模型对于蔬菜中农药残留的预警是有效的。     

中小企业物流外包风险及对策分析

随着市场的变化和竞争的加剧,中小企业对物流服务的要求越来越高。本文分析了中小企业物流外包的动因,阐述了中小企业物流外包的影响因素及其存在的问题,提出了中小企业应对物流外包风险的策略。     

基于BP神经网络的区域创新风险预测方法研究

在文献综述的基础上,提出并分析了区域性创新风险的影响因素,包括内部风险和外部风险。内部风险主要集中在区域创新活动内部,例如技术,管理,财务,文化风险等;而外部风险主要是区域大环境,集中在市场,政策,区域资源方面。为避免人为因素的影响,结合人工神经网络方法中的BP算法,建立了区域创新风险预测模型,进一步分析研究区域创新风险指标的准确性,为后续做区域创新风险分析提供理论参考。     

新疆棉花产业风险预警研究

从供给、需求和宏观经济与政策环境三个方面出发,以新疆棉花市场价格波动率为棉花产业风险的预警指标,选取了21个指标构建了新疆棉花产业风险预警指标体系,借助BP神经网络模型构建新疆棉花产业风险预警模型,并预测2018-2020年的棉花价格。结果表明,预测模型的结果与新疆实际相符,且近三年新疆棉花价格位于"无警",棉花价格较稳定。     

农产品价格风险预警模型的建立与应用——基于BP人工神经网络

农产品价格风险的防范要通过管理水平的提高来化解,农产品价格风险预警的引入则可实现农产品市场风险管理方法的创新.本文建立了基于BP人工神经网络的农产品价格风险预警模型,并以生猪为例进行了验证.生猪价格风险预警模型的成功构建进一步说明了基于BP人工神经网络的农产品价格预警模型是切实可行的.     

物流企业人力资源管理外包风险及其防范

分散人力资源管理外包风险从而降低成本是当今物流企业提高核心竞争力的重要手段。运用系统论,从企业内外两方面,剖析了当今物流企业人力资源管理外包时中存在的一系列风险,并在此基础上提出了相应的防范措施。     

基于模糊神经网络模型的农业对外开放合作风险预警研究

针对目前农业对外开放合作风险预警研究较少状况,加之农业对外开放合作风险涉及到政治、经济、社会文化、管理、突发事件等众多因素,是一个非常复杂的非线性系统工程,尝试运用层次分析法确定指标权重,用模糊数学对指标数据运用隶属度函数处理,再以一级模糊向量作为神经网络模型的输入,通过神经网络模型对农业对外开放合作风险进行预警。神经网络的非线性处理能力使农业对外开放合作风险预警更加科学化,通过实证研究表明该综合方法是一种行之有效的风险预警方法。     

基于BP神经网络的蔬菜产业化生产风险分析

蔬菜产品价格剧烈波动,效益降低,产业发展不稳定,使蔬菜生产风险处于较高状态。通过对蔬菜生产风险的变量进行BP神经网络模型训练,研究不同的蔬菜生产对BP神经网络模型的适宜性和被解释变量拟合性,再应用聚类分析和逐步回归对影响蔬菜产业化生产风险的主导因素进行拟合性检验,明确控制蔬菜产业化生产的风险因子,为蔬菜产生化生产提供对策建议。     

都市圈一体化视角下农产品物流风险预警体系的构建

应用动态因子分析法,结合实际中的调研数据,对农产品物流风险因素进行了统计分析,构建了农产品物流风险预警体系,从而对风险进行了有效的预警和控制.     

BP神经网络在小麦赤霉病气象预测中的应用*

 应用BP神经网络的方法建立四川资中小麦赤霉病发病的预报模型,为预防小麦赤霉病发病提供科学依据。根据四川资中小麦赤霉病发生发展的气象生理指标及历年该病发生的统计资料,借助人工神经网络强大的函数映射能力,采用Fletcher-Reeves算法的变梯度反向传播算法——Traincgf,建立了小麦赤霉病发病的气象预报模型。该模型不需要事先确定数学模型,拟合与预测的平均绝对偏差分别为0.01,0.05,优于多元线性回归模型的0.17,0.29。BP神经网络预报模型的拟合精度和预报精度都较高,优于多元线性回归模型,能很好地实现预期效果,对小麦赤霉病发病的预测预防工作具有一定的指导意义。     

基于BP神经网络的鸡蛋大小分级方法研究

用计算机视觉装置获取鸡蛋图像像素点数,用电子天平称得蛋重,用它们作为样本数据建立BP神经网络模型,达到自动检测鸡蛋大小并分级。经检验,建立的BP神经网络有很好的泛化功能、鲁棒性好,用其检测鸡蛋大小并分级,其正确识别率为91%。     

基于BP神经网络的化肥供应商选择模型研究

供应商选择是供应链管理中的一个重要环节。我国是世界上生产和使用化肥最多的国家,因此对于化肥供应商的选择显得尤为重要。针对化肥供应商的特点,首先构建了化肥供应商的选择评价指标体系,在该体系的基础上构建了BP神经网络评价模型。     

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。     

BP神经网络的土壤肥力评价研究

为给用户提供准确、科学的施肥指导。在建立BP神经网络评价模型的基础上,构建了以黑龙江850农场为研究区域的土壤肥力评价的空间信息平台,实现地块肥力等级在线评价及等级空间分布。因BP神经网络方法不需要人为干预,更具有客观评判性,与相关方法进行比较,该评价方法能更有效地对该农场的土壤肥力进行正确的评价。     

基于BP神经网络模型的果实蝇自动分类系统

果实蝇属昆虫危害水果和蔬菜,造成产量下降,影响对外贸易,对其识别是检疫工作中的重要部分,现有的人工辨识方法受时间、知识等因素影响不能准确、有效辨识。提出了一种基于BP神经网络模型的果实蝇分类方法,采用几何形态测量学中的标记点法对果蝇翅进行特征提取,通过方差分析确定了用于果蝇鉴定的11个主特征,建立3层BP神经网络模型,结合Levenberg-Marquardt BP训练函数对数据集进行训练,得到完整的可用于果实蝇分类的BP神经网络。实验表明,该方法能够对实蝇进行有效的辨识,对桔小实蝇、瓜实蝇、具条实蝇和南亚果实蝇等高风险果实蝇辨识的准确率分别是90.0%、93.3%、90.0%和96.7%,总体准确率为92.5%,具有良好的应用前景。     

Spatial Interpolation of Soil Nutrients Based on BP Neural Network

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用 BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明, BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。 BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

基于BP神经网络的闽江上游洪水预报

洪水预报是水文科学中的难题,尤其是多分支河流的洪水演进和预报问题更是水文预报的难点。研究应用VB 6.0编程技术,实现人工神经网络BP算法的程序化,并建立闽江上游洪水过程预报的反向传播神经网络模型。经检验,洪水预测精度较好,结果令人满意,为闽江的洪水预报及调度工作提供新的思路和依据。     

基于BP神经网络番茄果实横纵径生长的建模研究

[目的]准确快速地预测果实的大小,提高温室番茄种植的经济效益。[方法]以2002和2003年果实横纵径部分试验资料为样本,根据BP神经网络的建模原理建立果实横纵径生长的模型,通过仿真试验检验了网络的仿真性能。[结果]以MATLAB6.5作为系统仿真平台,对果实横纵径进行了建模仿真。利用神经网络工具箱命令:[m,b,r]=postreg(A,T)对系统的仿真输出与目标输出作了线性回归分析,分析结果为:m=0.9987,b=0.0051,r=1.0000;m=1.0000,b=-1.7724e-004,r=1.0000。[结论]基于BP神经网络的果实横纵径模型具有较好的仿真效果,在果实横纵径的预测中具有很好的应用前景。     

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。