基于气象业务网络的农村经济信息网络服务系统设计与实现

利用气象部门技术和装备优势，采用双向纵横联网方式及“互联网＋电视＋广播＋报纸＋墙报＋信息小报＋121电话”的信息分发和传播模式，建立基于气象部门卫星业务网络、INTERNET网络、传真等方式的市、县（区）、乡信息快速汇交平台为一体的农村经济信息网络服务系统。     

基于神经网络的智能控制技术在农业领域的研究与应用

为进一步了解基于神经网络的智能控制技术在农业领域的研究与应用情况,对神经网络智能控制技术的发展概况、基本原理和主要特点进行了简要介绍,综述了神经网络智能控制技术在农业上的研究与应用情况,展现了在农业领域广阔的应用前景。     

农田土壤湿度的人工神经网络预报模型研究

基于多层误差反传网络结构模型和一维时间序列拓展的方法,发展了一种新的旱季农田土壤湿度预报模式。该模式不公预报准确性高,而且不受中期降水预报准确性的影响。一般只要具备３８６以上的计算机条件即可进行工作,十分便于业务预报推广。     

近海渔业安全救助通信网的核心技术--传输速率对网络阻塞的影响

"近海渔业安全救助通信网"(以下简称为"安全通信网")建设开通以来,在渔业安全生产中已经发挥了重要的作用。但随着我国海洋渔业经济结构的变革,现代通信技术的飞速发展,刚刚组建的"安全通信网"日趋落后,在实际运行中引出了诸多问题,难以适应渔业生产和管理的需要。本文仅从技术角度针对"安全通信网"中出现的网络阻塞问题,阐述几点意见。     

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。     

异型机网络互连技术的设计与实现

简要介绍了以ＵＮＩＸ为操作系统的ＳＵＮ、ＳＧＩ系列工程工作站及ＭＣ６８０００系统与以ＤＯＳ为操作系统的ＰＣ机系统的互连，从而构成异型机及网间的互连通讯，达到数据共享，节省资源的目的。该方法实现简单，具有广泛的应用前景。     

压力输水树状管网遗传优化布置和神经网络优化设计

分别应用单亲遗传算法和Hopfield神经网络方法进行机压式树状管网的优化布置和优化设计,能够在管网投资最小的最优树状管网布置形式上,获得年费用最低的最优设计方案。研究表明:该方法是可行的和有效的,能减小管网工程投资,提高设计水平和设计效率     

BP神经网络在不同植被产流产沙分析中的应用

以甘肃省西峰市南小河沟小流域径流场为研究对象，利用BP神经网络对4种植被类型的径流小区（农田、林地、人工草地和天然荒坡）进行了产流产沙量模拟和预测。其模拟产流量的相对误差分别为0．2％～5．7％，0．1％～2．5％，0．7％～2.9％和0．1％～3％；模拟产沙量的相对误差分别为0．1％～3．2％，0．2％～3．1％，0．6％～4．2％和0．2％～2．7％。预测农地、林地、草地和天然荒坡产沙量最大相对误差分别为-11％，14％，-14．6％，18％，产流量最大相对误差分别为10．9％，27．3％，15％，26．3％。结果表明，BP神经网络预测产流产沙的效果较好，对径流小区运用神经网络进行蓄水拦沙指标分析是可行的。     

基于残差-挤压激励深度混合卷积网络的土地利用分类

土地利用变化的监测需要高精度的土地利用分类图,遥感技术的发展为这一工作提供了便利。然而,传统分类方法往往无法针对性的利用影像中的信息,其分类结果中地物边缘信息模糊,分类精度不高且噪声较大,难以满足土地变化监测的需要。该研究针对传统方法分类结果不理想的问题,提出一种基于残差-挤压激励单元的混合卷积神经网络模型,采用膨胀卷积层对影像进行光谱-空间特征提取,并引入残差-挤压激励单元,实现特征重用的同时,选择性的强调信息性特征,对噪声性特征进行抑制,最后对得到的特征进行整合实现对遥感影像的分类。该研究提出的模型与k-最邻近算法（K-Nearest Neighbor, KNN）、支持向量机（Support Vector Machine, SVM）、二维卷积网络（2D- Convolutional Neural Network, 2D-CNN）以及混合卷积网络（HybridSN）相比,在试验数据集上总体精度分别提高了11.15个百分点、11.18个百分点、0.06个百分点和2.46个百分点。且有效减少了地物边缘信息的损失,验证了该方法的有效性。此外,基于该方法分类结果统计出的耕地面积与试验区真实耕地面积仅相差0.77%,误差绝对值远低于其他分类方法。