粤东柘林湾溜牛人工鱼礁建设选址生态基础评价

采用层次分析法,构建了基于生态系统效应的资源保护型人工鱼礁建设选址评价方法,通过选择水文、水质、底质和浮游生物、鱼卵仔鱼、大型底栖动物、游泳动物、初级生产力、潮间带大型底栖动物等30个海洋环境与海洋生物因子,建立了人工鱼礁建设选址生态评估模型;以柘林湾溜牛人工鱼礁区选址区域为例,对所选因子进行了春、夏、秋、冬4个季度的跟踪监测,探讨了该海区进行人工鱼 礁建设的适宜性,根据该模型计算得出各季度人工鱼礁建设选址生态基础评价指数分别为0.65、0.71、0.63、0.64,平均为 0.66,计算结果表明,该区域建礁生态基础良好,适宜选址开展人工鱼礁建设,其中生态基础最优的季节为夏季。     

林地资产批量评估BP模型研究

在林地资产评估中,将BP神经网络与批量评估方法结合,通过对影响林地资产评估价值因子的数据处理,建立林地批量评估BP模型,运用贝叶斯方法估计正则化参数,提高BP网络模型泛化能力。结果表明,基于贝叶斯正则化的BP神经网络模型能够实现批量预估林地资产价值,其评估结果精度可靠,泛化能力很好,可为集体林区林地资产评估提供一种新的思路与方法。     

基于多元线性回归模型的生物质与烟煤混燃灰熔融特征温度预测

生物质中钾、钠等碱金属含量高,极易导致生物质与煤混燃灰沾污结渣严重。灰熔融特征温度是用于表征积灰结渣倾向的重要指标。该研究在充分考虑灰中酸/碱性组分对熔融特征温度影响的基础上,以生物质与烟煤混燃灰中Al₂O₃、SiO₂、P₂O₅、SO₃、K₂O、CaO、Fe₂O₃7种氧化物作为变量,利用Matlab软件建立了基于多元线性回归模型的生物质与烟煤混燃灰熔融特征温度预测模型,并以中国农村典型的玉米秸秆和神木烟煤为试样,测定其在不同掺混比例、不同温度和不同停留时间下的灰分组成及熔融特征温度。试验结果表明：随着混合燃料中玉米秸秆的质量分数由25%增至75%时,灰样中MgO、K₂O、CaO、Na₂O等碱性氧化物的含量增加,特别是对于K₂O而言,其质量分数由5.89%升至14.41%,而Al₂O₃、P₂O₅和SO₃等酸性氧化物的含量逐渐减少,其中Al₂O₃的质量分数由12.05%降至7.78%,P₂O₅的质量分数由3.66%降至1.07%,SO₃的含量由7.70%降至1.48%。随着灰化温度升高和停留时间延长,Cl元素的含量明显减少。将该模型的预测结果与经验公式预测结果及试验结果对比,发现该预测模型中P₂O₅、SO₃对灰熔融特征温度的影响系数较大,这与试验结果基本相符。灰熔融特征温度与Al₂O₃、SiO₂、P₂O₅、CaO等氧化物含量呈正相关,表明这些氧化物成分有助于抑制熔融结渣。利用试验测量及经验公式等方法对该预测模型的结果进行检验,利用该模型预测的熔融特征温度与试验值的误差在5%以内,验证了该模型的准确性和可靠性。该模型研究结果可为准确预测生物质与烟煤混燃灰熔融特征温度以及防治锅炉积灰结渣提供参考。     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...     

精准定时输精对后备母猪早期胚胎发育与繁殖性能的影响

为探讨精准定时输精(fixed-time artificial insemination,FTAI)对后备母猪早期胚胎发育和繁殖性能的影响,试验1选取自主培育的金乌猪后备母猪43头,随机分为2组,其中,对照组24头,为自然发情,观察后人工配种(artificial insemination,AI);试验组19头,为精准...     

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。     

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。     

基于支持向量机的面向对象软件可维护性预测

以面向对象软件的度量准则作为预测因子,以维护期间所修改的代码函数作为可维护性,运用支持向量机回归原理,构造了面向对象软件可维护性预测模型.为了评价模型的性能,同时构造人工神经网络模型.在R软件环境下仿真,通过误差的可视分析和RMSE分析知,SVM模型预测面向对象软件可维护性具有较好的性能,效果明显优于ANN模型.     

基于FLANN数据融合的木材含水率检测方法

针对木材含水率的检测精度受到多种环境因子(温度、平衡含水率、风速等)的影响,提出了一种基于函数联接型神经网络FLANN的数据融合方法以消除环境温度对木材含水率检测精度的扰动。FLANN能利用函数扩展替代多层感知器(MLP)的隐含层,将输入信号空间维度下的线性不可分类的问题,扩展至较高信号空间维度的超平面上,简化了MLP的架构。与MLP相比,FLANN具有结构简单、收敛速度快和计算量小的特点。仿真结果及实验验证表明:基于FLANN的数据融合方法,能有效消除环境因子的扰动,并可实现木材含水率的稳定、实时、高精度检测。     

基于改进神经网络的农村电力系统短期负荷预测

为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模型具有较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。