基于神经网络方法的土壤流失量预测研究

生产建设项目土壤流失量的预测直接关系到建设项目的水土保持分析、评价和防治措施体系的布局,目前常用的预测方法因其局限性、不合理性以及精度差等问题往往难以实现准确预测。将人工神经网络的BP算法引入到土壤流失量预测中,将降雨侵蚀力、土壤可蚀性、坡长、坡度、水土保持措施作为影响土壤流失量的主要因子,并以17个生产建设项目水土保持监测实例作为学习样本和检测样本,建立了基于神经网络方法的土壤流失量预测模型。预测结果表明,该模型拟合和预测精度高,具有很强的应用价值,能够满足工程应用需要。     

基于无线传感网络的耕种机具空间力监测系统开发与试验

针对实时监测耕种机具作业中所受空间力大小,该文提出了一种能够在现场和远程实时监测耕种机具受力情况并带有提示报警的监测系统。该系统采用基于Zigbee的WSN（wireless sensor network）完成数据的采集和近程传输,采用嵌入式处理器ARM11作为现场监测终端的中央处理单元CPU,并搭建WinCE6.0操作系统,完成数据交换、处理和监测报警等功能。通过安装在耕种机具上的测力传感器,实现对耕种机具受力情况的实时检测。经土槽试验测试,系统实现了耕种机具空间力的实时监测以及监测数据的存储,人机界面交互性良好,可为耕种机具的研究设计提供技术支持。     

基于GIS的土壤风蚀模型软件构建

针对当前土壤风蚀监测的实际需求,提出基于GIS技术构建土壤风蚀模型软件的思路和方法。该软件基于DTGIS核心服务平台,以C#为主开发语言,Silverlight为界面开发工具,采用轻型数据库SQLite进行数据存储;该软件可为用户提供GIS查询功能、站点数据管理、风力因子计算、土壤侵蚀模数计算、土壤侵蚀强度分级、时间分析、空间分析等功能服务,支持远程客户端连接和多点同时上传数据;同时,该软件将风蚀模型与GIS系统有机地集成到一起,不仅支持风蚀运算过程的交互,而且可以直接将模型运行结果显示在软件中;软件亦可以制作土壤侵蚀模数专题图、土壤侵蚀强度分级专题图、时空分析图,实现土壤风蚀数据系统化管理和数据可视化管理,为评价土壤风蚀的危害提供科学依据。     

基于多光谱影像反演土壤盐分的建模方法研究

土壤盐分的定量遥感反演,为快速、准确、全面地监测盐渍化状况提供了可能。本文以黄河三角洲地区垦利县为例,实地调查采集土壤样本,并获取同时相Landsat 8影像,建立土壤盐分遥感反演的BP神经网络、偏最小二乘回归、主成分分析、多元线性回归多种模型,进而进行精度对比分析,评价、优选最佳建模方法,最后,基于最佳模型进行研究区土壤盐分的空间分布反演分析。结果显示:遥感影像的反射率与土壤盐分含量并不是单纯的线性关系,构建的盐分估测模型BP神经网络预测决定系数为0.8467,均方根误差为0.071,明显高于传统线性统计模型,能较好地模拟土壤盐分与光谱数据的关系。该研究既能为盐渍土的治理、利用提供数据支持,又能推动盐渍化区域遥感研究的定量发展。     

传感器节点自主供电的环境混合能量收集系统设计

农田复杂环境及大面积监测需求对农业物联网传感器节点的供电提出了极大挑战,而环境能量收集技术则使低功耗农业物联网传感器节点的自供电及免维护成为可能。针对传统能量收集装置中收集的环境能量单一有限、装置体积大、可靠性差的问题,该文提出了一种新型混合环境能量一体化收集系统。该系统定位于环境中普遍而丰富的射频电磁波能量和振动能量,通过射频收集天线和压电陶瓷的有效结合,同时收集2种环境能量,并经整流转换成直流电能。能量收集天线使用普通FR4印刷电路板实现,工作在手机通信频段1.9 GHz(3G频段),测试的回波损耗为-20.5 d B,对电磁波能量收集的最高输出功率可达到38 mW,测得收集到的振动能量最大输出功率可达到25 mW,满足低功耗传感器节点的功率需求。该装置不仅可以有效提高系统供电的可靠性和对环境的适应能力,还大大降低了传统混合系统的尺寸,可为农业物联网快速发展中的传感器节点可靠供电问题提供参考。     

基于人工神经网络的宝鸡市市区地下水调控方案研究

为合理确定地下水调控方案,采用BP算法,研究了宝鸡市区地下水位动态变化过程,建立了地下水位动态变化预测模型,通过对1990-2005年地下水数据的训练,预测了未来3 a的地下水变化情况,结果表明预测结果与实测结果非常吻合,说明BP模型能较好地预测宝鸡市区地下水位动态变化;依据此模型,结合宝鸡市水资源开发利用现状及未来水利工程建设规划,提出了宝鸡市区未来不同水平年地下水调控方案与合理开发利用宝鸡市区地下水资源的建议。     

空气悬架系统动态载荷的识别

针对空气悬架系统主动控制中神经辨识器的离线训练问题,利用BP神经网络实现从空气悬架系统非簧载质量振动加速度空间到其动态载荷空间的映射。建立带有空气悬架系统的1/4工程车辆动态模型,通过仿真得出了工程车辆空气悬架系统的非簧载质量振动加速度和动态载荷数据,以空气悬架系统的非簧载质量振动加速度数据作为神经网络的输入,动态载荷数据作为神经网络的输出,训练BP神经网络,并对训练好的BP神经网络进行泛化能力的测试,路面输入采用幅值为0.01 m,频率为1 rad/s正弦波时,识别误差率在30%以内的点占总数的82.95%;以幅值为0.02 m,频率为2 rad/s的正弦波作为系统的路面输入,识别误差率在30%以内的点占总数的77.94%。结果表明BP神经网络能够对不同的路面输入具有较好的适应性。     

多对象特征提取和优化神经网络的玉米种子品种识别

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。     

仿蛛网农田无线传感器网络抗毁性量化指标体系构建

为解决传统抗毁性量化指标无法准确描述网络组件失效的耦合关系和全局作用,难以有效归纳、继承蛛网抗毁性机制与规律的问题,该文提出了一套基于节点平均路径数和节点、链路平均使用次数的人工蛛网模型抗毁性量化指标体系,评测失效网络组件的全网影响度和权重等指标。仿真试验表明该指标体系可有效量化评价不同规模的人工蛛网模型的抗毁性,测评各网络组件的抗毁性权重占比,其中,节点、弦链、辐链分别占50%、39.44%、10.56%,同时与传统抗毁性量化指标相比,该文提出的指标具有独特的优势。田间试验结果表明节点遭受不同程度损坏时,仿蛛网部署仍可通过备用链路进行数据传输,相较非交叠分簇部署、栅格部署具有更优的抗毁性。人工蛛网模型抗毁性量化分析可为优化农田无线传感器网络部署,实现规模化可靠应用提供参考。     

模糊神经网络分层递阶控制在智能交通系统中的应用

结合济南市经十路交通干线车流拥挤问题，提出了利用模糊神经网络分层递阶控制城市交通干线车流量的方法，分析结果表明采用该方法可以减少车辆的停车次数和延误时间。