基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。     

神经网络模糊PID算法在温室温度控制中的仿真研究

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。     

建设网络平台 促进植物园教育

网上植物园是植物园的一种虚拟表现形式,以互联网为基础,通过网络来管理植物园的大量信息,可使植物园的信息实现数字化管理,并为公众提供一个交互访问平台.建立网络平台可以解决当前植物园教育困难,促进科普教育、环境教育的发展,提高民众素质,还可以通过网上植物园促进世界植物种质资源的交流和合作,实现植物资源共享等.分析了现有植物园模式状况,现有植物园的教育潜在问题,着重论述植物园网络平台搭建对促进科普教育、促进世界植物种质资源的交流和合作以及实现植物资源共享等方面的优势和作用.     

油气管道SCADA系统高可靠冗余网络设计与实现

目前对SCADA系统的研究多集中于工程应用、软件架构设计、通信协议的数据传输和处理,对大型油气管道SCADA系统网络的研究与应用涉及较少,研究成果无法满足生产调度对业务数据网络传输的高质量、高可靠冗余要求.为此,设计了一种适用于大型SCADA系统的高可靠冗余网络架构,其设计思想是分层的架构设计、各层设备冗余及各设备之间...     

基于不同滤波方法的机载激光雷达数据处理及表面模型构建

利用几种不同的滤波算法对黑龙江省凉水国家级自然保护区的点云数据进行处理,对比分析评价了各滤波算法在东北地区的滤波分类效果及对构建数字高程模型和数字表面模型的影响.指出了各算法的适用范围,并生成了高质量的数字表面模型产品——精确反映地形起伏的DEM和准确反映地物高程及形状信息的DSM.     

萝卜丝薄层干燥试验及其数学模型的建立

萝卜丝干燥是萝卜加工的重要环节。利用薄层干燥试验台,进行萝卜丝的薄层干燥试验,探讨热风温度、风速对干燥速率的影响。结果表明,萝卜丝干燥具有典型物料干燥的升温、等速、降速3个阶段,热风温度对干燥速率的影响比风速对干燥速率的影响显著。用BP神经网络建立萝卜丝干燥的数学模型,并与Page模型的模拟结果进行对比。结果表明,用BP神经网络预测的含水率比精度明显高于Page模型。     

基于环路和改进遗传算法的树状灌溉管网优化

以投资最小为目标函数,建立了树状灌溉管网优化数学模型,用外部惩罚函数法将问题转化为无约束优化问题,并采用改进遗传算法进行求解。根据树状管网优化的特点,遗传算法采用二进制编码和整数编码相结合的双重编码,以同时对管网布置形式和管径进行优化。在遗传算法产生初始解及交叉、变异操作时,采用基于环路的方法,减少了不可行解的产生,提高了算法的计算效率,算例说明该优化方法有效、实用。     

基于网络教学平台的“生物统计学”教学改革及实践效果分析

在构建“生物统计学”课程网络教学平台的基础上,对3个教学环节共77名本科生利用该平台进行的教学活动及教学改革实践进行了研究,旨在进一步提高该课程的教学水平和教学质量。结果表明：利用网络教学平台,有利于开展网上互动式教学活动;有利于强化教学实践环节;有利于同学们学以致用并扩大学科视野。SAS统计分析结果表明,代表学生网上学习能力的网上“阅读讲义次数”与学生的学习成绩密切相关,达极显著水平（R=0.6004**）。     

金属构件中残余应力的产生和消除方法

文章对金属构件中残余应力的产生原因及影响进行了详细分析,提出了控制和消除残余应力的方法,明确了控制和消除残余应力的重要性。     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。