农村区域配电网优化模型和算法的研究

针对城镇配电网中按电压等级选择同一截面导线的不合理性,基本算法的罚函数处理约束稳定性不强和寻优运算差等问题,利用经济电流密度概念、多目标规划理论和遗传算法,研究实数编码并行优化、动态罚函数约束、配电网路径与潮流自识别解码等方法,提出了配电网络多目标经济性优化模型及其算法。通过10kV配电网实例验证表明,该方法提高解的搜索精度,实现规划线路长度和导线截面策略因子并行优化,得到最小投资费用的优化方案。     

基于无线传感器网络的温湿度监测系统设计与实现

给出了以CC2430芯片为核心的环境监测无线传感器网络实现方案.设计中充分考虑到节点的剩余能量、链路质量和节点负载等因素,提出了一种能耗均衡树算法,使网络节点的负载逐渐趋于均衡,解决了因负载分配不均衡,使得网络节点出现过早失效、缩短网络寿命问题.实验表明,算法可均衡节点负载,延长网络的生存时间,实现网络的长效运行.     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

基于改进级联神经网络的大豆叶部病害诊断模型

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。     

论人工神经网络在农业工程中的应用

介绍了应用人工神经网络解决问题的基本原理，论述了人工神经网络在农业工程中的应用，及可能的应用范围，最后给出了在农业工程中应用人工神经网络要注意的问题。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。     

Establishing an acid deposition monitoring network in East Asia

Acid deposition is widely recognized as one of the most serious international atmospheric pollution problems. East Asian countries are currently experiencing acid deposition and have only recently begun expanding domestic research and monitoring activities. However, acid deposition is not only a domestic but also a transboundary problem. In addressing the transboundary aspect, cooperative and collaborative action will be essential. The Environment Agency of Japan is advocating the need to establish an acid deposition monitoring network in East Asia. Therefore, it is sponsoring three Expert Meetings on Acid Precipitation Monitoring Network in East Asia between 1993 and 1995. The meetings are attended by both scientific researchers and government officials from numerous East Asian countries. At the administrative and scientific discussions of the first two meetings a consensus on the desirability of establishing a monitoring network in East Asia was obtained and a preliminary technical guideline manual for monitoring acid deposition was adopted. By the end of the third meeting it is hoped that a basic consensus can be reached on a framework for an East Asian acid deposition monitoring network. It is essential to establish such a network in order to evaluate the present state of acid deposition in the region and to reach a common scientific understanding on the acid deposition problem. This is a vital step toward promoting international cooperation on the issue.     

基于Hopfeild神经网络的油菜籽脱皮冷榨压榨系数识别

在油菜籽脱皮侧限排油一维冷榨试验基础上，采用半固态饱和物料和滤饼物料物理模型分别建立两个理论压榨比模型，运用Hopfeild神经网络方法识别压榨系数。识别结果表明：脱皮油菜籽在压力低于10 MPa段为半固态状饱和物理模型，在压力高于20 MPa段则为滤饼状物理模型，对整个压榨过程，采用分段计算物理模型可有效提高整体压榨模型精度。脱皮冷榨的压榨系数远小于未脱皮冷榨的压榨系数。     

硅灰石纤维填充超高分子量聚乙烯基复合材料干滑动摩擦磨损的BP神经网络分析

超高分子量聚乙烯及其复合材料由于其优良的自润滑和防黏性能可用于农业工程装备中的滑动接触部件和触土部件。基于人工神经网络在复杂系统建模问题上的优越性,考察了几种因素对硅灰石纤维增强复合材料的摩擦和磨损性能影响的模型。考虑到输入、输出数据个数,调试设计了一个3×10×2的BP神经网络,其输入层由3个神经元构成,分别为硅灰石纤维的处理方法、硅灰石纤维的加入量和试验过程中的法向载荷。隐含层有10个神经元。输出层2个神经元分别为材料的摩擦系数和磨损量。基于上述BP神经网络对硅灰石纤维增强超高分子量聚乙烯基复合材料的干滑动摩擦磨损性能进行了模拟和预测。对神经网络的训练和检验表明该BP神经网络能够较好地预测影响因素对复合材料的干滑动摩擦和磨损的作用,大部分数据的预测值与试验值的误差在10%以内,其仿真精度能够满足实际的摩擦磨损预测要求。     

基于遗传算法的人工神经网络模型在冬小麦根系吸水模型中的应用

基于土壤水分与冠部数据,应用遗传算法优化人工神经网络模型的权值,将获得的冬小麦根长密度分布应用于根系吸水模型中,并进行了水分数值模拟,水分模拟效果整体较好,表明应用该方法可以为根系吸水模型提供准确的根系参数,并且较为方便,这对于根系吸水模型的建立及应用有着重要的意义。