基于主成分分析单一参数入渗模型的BP神经网络模型

利用标定理论建立较大尺度上的单一参数入渗模型,在此基础上基于主成分分析建立其BP神经网络模型。结果表明:利用主成分分析可将研究区域土壤容重、有机质含量、砂粒含量、粗粉粒含量和粘粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型预测的标定因子的RMSE为0.4186,除偏大或偏小的标定因子,利用预测的标定因子预测的累积入渗量与实测值比较接近,可利用所建模型对较大尺度上的单一参数入渗模型进行预测。     

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．     

复杂生态系统稳定性的人工神经网络建模

建立以生物功能群为单元，不同功能群为结构层，影响生态系统稳定性的因素及各功能群的数量为网络输入的复杂生态系统稳定性的人工神经网络模型，用以方便、快捷、准确地评价生态系统的稳定性，为制定区域发展规划和生态保护规划，实施生态保护工程提供科学依据和技术支撑．     

水电机组振动故障的粗糙集-神经网络诊断方法

针对当前水电机组故障原因复杂,实际监测数据量大,采用神经网络方法进行机组故障诊断存在网络结构复杂、训练时间长、诊断困难的问题,文章将粗糙集理论引入到水电机组故障诊断中,提出了基于粗糙集理论与RBF神经网络相结合的水电机组故障诊断方法。在保持分类能力不变的前提下,用粗糙集理论对故障信息进行约简处理,然后用RBF神经网络对预处理后的故障信息进行诊断,使神经网络的输入神经元数目明显减少,其结构得以简化。通过对某电站实测机组数据进行离线故障诊断,证明该诊断方法有效提高了机组故障诊断的效率和准确性。     

基于人工神经网络的CHRIS数据内陆水体叶绿素浓度反演研究

利用BP神经网络和CHRIS高光谱数据反演了富营养化非常严重的太湖梅梁湾地区叶绿素A浓度。首先计算了CHRIS模式2的18个波段与叶绿素A浓度的皮尔森相关系数,选择CHRIS的前5个波段和第13波段的反射率值作为神经网络的输入,以野外测量的叶绿素A浓度为神经网络的输出。实验表明,BP神经网络具有很好的非线性拟合能力,叶绿素A浓度的反演精度相对误差仅为22%,明显优于传统的多项式模型,显示BP神经网络与CHRIS高光谱数据结合的方法在内陆水体水质参数反演领域的应用具有相当的优势。     

宿州市秋冬连旱的灰色BP神经网络预测模型

秋冬连旱是影响宿州冬小麦、油菜等越冬作物生长发育的重要因素。以Z指数≤一0．8为标准,确定宿州市秋冬持续重旱年份序列,建立GM（1,1）预测模型,并应用BP人工神经网络（BP—ANN）对残差进行拟合,对GM（1,1）预测模型进行修正。结果表明,拟合结果较单一的GM（1,1）模型有一定提高。预测2008年后的下一个宿州市秋冬（10月-2月）持续重旱年度发生在2017～2018年,对当地农业生产和防灾减灾有一定的参考价值。     

Artificial neural network models of the rumen fermentation pattern in dairy cattle

The objectives of this study were: (1) to predict the rumen fermentation pattern from milk fatty acids using a machine learning technique, i.e. artificial neural networks (ANN) combined with feature selection and (2) to compare the prediction accuracy of the resulting model to that of a statistical multi-linear regression model, based on odd and branched chain milk fatty acids. Data were collected from 10 experiments with rumen fistulated dairy cows, resulting in a dataset of 138 observations. Feature selection was based on correlation and principal component analysis, and background physiological knowledge. Different ANN architectures and training algorithms were assessed. The evaluation of the model performance, based on the test dataset, showed a root mean square prediction error, expressed relative to the observed mean, of 2.65%, 7.67% and 7.61% of the observed mean for acetate, propionate and butyrate, respectively. Compared to a multi-linear regression model, the ANN revealed not to perform significantly better. However, the results confirm that milk fatty acids have great potential to predict molar proportions of individual volatile fatty acids in the rumen.     

混合神经网络响应面调度法在渔船协同论证中的应用

根据响应面法近似计算在多学科优化中的特点,针对普通神经网络构造响应面方法存在的主要问题,将遗传算法和神经网络结合,设计出混合神经网络并构造了协同优化算法的响应面,在任务调度模块的支持下,可以自主地选择近似和精确计算。采用混合神经网络调度法对玻璃钢拖网渔船进行技术经济论证,结果表明,该方法能够提高优化结果的效率和鲁棒性。     

应用可见/近红外光谱技术快速鉴别山西陈醋品种

为了实现对山西老陈醋品种的快速鉴别,应用可见/近红外光谱透射技术,结合化学计量学方法,进行了山西老陈醋品种的判别分类试验研究。对4个不同品种共240个山西老陈醋样品采集其光谱数据,结合主成分分析和神经网络技术分别对山西陈醋原始光谱、一阶微分光谱、二阶微分光谱进行了判别分析。结果表明:可见/近红外原始光谱结合主成分分析神经网络判别分析法的分析结果最优,校正集正确分类的百分比达92.1%,预测集达85.0%;二阶微分光谱分析结果最差。     

陕西省县域城镇化发展水平的BP神经网络测定研究

运用BP神经网络的理论和方法,构建了县域城镇化发展水平BP神经网络模型,并对2008年陕西省83个县域城镇化发展水平进行了综合评价。结果表明：陕西省县域城镇化发展水平区域差异显著,评价结果与专家的判断基本一致;根据评价结果,结合ARC-GIS9.2中的自然断点法（natural breaks）将BP测度得出的得分值分为5个等级,发现县域城镇化发展水平较高的县域主要集中在陕北地区,关中地区次之,陕南地区最低。BP神经网络用于评价县域城镇化发展水平简单、实用,且避免了人工确定指标权重的主观性,具有很好应用前景。