基于粒子群优化神经网络混合模型预测马尾松毛虫发生量

针对BP网络具有局部精确搜索但易陷入局部极小、粒子群算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的新算法--PSO-BP算法.根据相关系数法、均生函数法及逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、有虫株率相关关系密切的气象因子和延拓均生函数序列作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、有虫株率与气象因子和延拓均生函数序列的PSO-BP混合模型.结果表明:建立的各PSO-BP混合模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为13个,预报因子数为6个时,3组预留有虫面积的平均预测误差为4.01%;虫口密度PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为3.32%;有虫株率PSO-BP混合模型的隐层神经元个数为9个,预报因子数为4个时,预留样本的平均预测误差为2.83%.上述3个指标的预测准确率均为100%.     

基于采样密度不同土壤的水分特征参数的预测及误差分析

目前土壤水分特征曲线（h-θ曲线）的研究普遍采用vanGenuchten模型（简称VG模型）。利用不同取样精度的土壤,将土壤质地（砂土、粘粒、粉粒含量）和容重作为输入值,探讨了使用基于土壤转换函数的BP神经网络模型来预测0～20cm表层土壤水分特征曲线参数,用甘肃称钩河流域小流域的土样进行了预测和误差分析。结果表明,使用线性回归能够减小预测误差与实测值差距;BP神经网络预测饱和体积含水量的准确性比预测剩余体积含水量和田间持水量要高。为了进一步提高预测精度,还应尽可能地包括土壤结构、有机质含量等信息。     

基于自组织特征映射神经网络算法的生态服务功能分区

探索了一种基于自组织特征映射神经网络算法识别区域尺度生态系统服务功能分区的新方法。在此基础上,依据新千年生态系统评估框架构建了生态服务功能评价指标体系,并运用自组织特征映射神经网络算法开展了生态服务功能空间聚类分析,在1km栅格上识别并排定了各类生态服务功能的重要性。在案例区锡林郭勒盟的研究表明,利用基于自组织特征映射神经网络算法划分出的该区6个生态服务功能分区比较科学、合理,所形成的分区结论为案例区生态系统的可持续管理提供有时空针对性的决策参考信息。     

基于机器视觉的大豆细菌斑点病粒检测

文章基于机器视觉,通过图像获取系统得到大豆的表面颜色特征,应用SAS对大豆表面颜色特征进行LOGISTIC回归后,应用BP神经网络对大豆进行标准粒与细菌斑点病粒的分类。经过网络训练后,选用收敛效果好的网络对数据进行仿真预测,共计160粒,其中标准大豆80粒,细菌斑点病80粒。得到的测试识别率为:标准大豆96.3%、大豆菌斑粒98.8%。本研究为大豆菌斑粒的在线识别提供了一定的依据,有利于实现大豆的在线缺陷粒检测。     

基于声学响应和BP神经网络检测鸡蛋裂纹

为了提高鸡蛋裂纹检测的准确性,建立了声学敲击检测鸡蛋裂纹的装置,采集和分析鸡蛋被敲击后的声音信号。提取了4个特征频率、偏斜度平均值和峰度平均值共6个特征参数,并作为神经网络的输入量,创建了基于MATLAB的结构为6-15-2的3层BP神经网络模型判别鸡蛋裂纹。检测结果显示:对蛋壳受各种程度破坏后的鸡蛋判别精度可达92%以上,对蛋壳完整的鸡蛋判别精度达到96%,对鸡蛋总体的判别精度可达94%。     

前驱差速轮式农业机器人的BP定位估计方法

针对一款自主研发的轮式农业移动机器人,提出了一种基于BP神经网络的轮式农业移动机器人定位估计方法.该机器人为前驱模式,依靠差速完成转向.定位方法是在前期的神经网络训练过程中,以左轮、右轮的驱动脉冲数为输入,以左右轮行进长度为输出,训练函数采用Bayesian规则;在后期的定位推算中,则假设机器人左右轮行进轨迹为两段同心圆弧,进而计算机器人几何中心位移.在与最小二乘定位估计方法的实验对比中,基于BP神经网络的定位估计方法具有更高的定位精度和更小的估计方差.     

雄先型核桃雄花疏除的二次回归与BP神经网络模型研究

雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与 BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和 BP神经网络模型,并于翌年进行 BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集（17）和确认集（3）数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。①BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;②BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;③BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和 BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。     

电容式水流泥沙含量传感器数据融合的研究

用电容传感器测量水流泥沙含量时,电容传感器的输出受环境温度的影响。为了消除环境温度的干扰,采用人工神经网络方法对传感器的输出进行数据融合处理。以电容传感器的泥沙测量值和环境温度作为网络的输入,并用改进的BP算法对网络进行训练得到融合输出值。试验结果表明采用基于人工神经网络的数据融合方法可有效地消除环境温度对电容传感器所产生的影响,从而得到精确、稳定的输出值。     

小波网络在深圳股市应用的研究

采用传统的人工神经网络模型对深圳证券成份指数进行模拟预测，在此基础上，进一步采用小波函数结合神经网络形成的小波网络对其进行拟合和预测，并对两种预测方法得到的结论误差进行分析、比较。结果显示，小波网络比单纯的神经网络模型预测精度高11．1595。     

土壤墒情预测相关性数据耦合性试验分析

为提高墒情预测的精确度,对影响墒情变化的各个变量进行试验分析,提出在剔除与墒情变化的相关性较小变量后的一种预测方法.采用皮尔逊相关系数法对影响墒情变化的蒸发量、地温、降水、气压、日照时数、气温、风速这些变量进行分析,得出影响墒情变化的较大变量,然后针对有无降水两种状态进行二分类处理,通过ROC曲线分析,分别得出在有无降...