引入因素分析法的神经网络在洪水

因素分析法是一种多元统计法，可以通过线性变换，将原有数据转换成彼此不相关且维数较少的数据，本文将因素分析法引入洪水预报神经网络的输入单元精简过程，详细介绍了建模和神经网络训练过程中包括STA训练控制在内的一些关键技术问题，并通过实例评价了此应用方法的效果，通过分析，表明此方法可以在不损失或较小损失的前提下方便有效的对洪水预报神经网络结构进行精简，大大缩减了神经网络的规模，提高了效率，具有很高的实用价值。     

离心输油泵故障诊断专家系统的研究与实现

提出了一种新的对基本神经网络进行组合的思路，将基本神经网络分层联接，每一层对应对象的某一属性，并根据属性分类。以这一思路为指导，组建了BP网络与竞争网络组织相结合的神经网络，并以此为核心，搭建了离心输油泵故障诊断专家系统的框架。     

神经网络在农业专家系统中的应用

介绍了专家系统的特点及农业专家系统的发展现状;提出了将神经网络理论应用于农业专家系统的设计方法,并分析了其优点;论述了基于神经网络的农业专家系统的结构、知识表示与获取、推理机制等;结合具体实例,给出了神经网络学习方法及专家系统运行过程。     

温室节点低能耗型无线传感网络构建方法

结合温室测控系统特点,构建无线传感网络空间结构和时序,以达到降低和均衡节点能耗,延长温室无线传感网络生命周期的目的.在网络空间结构上,以温室上部能量充裕的可移动汇聚节点为枢纽,与能量有限的子节点动态地构成星形无线网络;在网络时序上,使子节点只在连接时段通信,其余时间休眠.通过对子节点最大通信半径和汇聚节点最小通信半径的分析,解决了网络的连通问题.     

ANP方法在都市型农业评价指标体系中的应用

都市型农业立足于生产、生活、生态的结合,强调城乡同步发展,强调经济、生态、社会统筹发展。在综述国内外都市型农业研究的基础上,采用网络分析法(ANP)建立都市型农业评价指标体系,讨论了应用ANP方法求解问题的理论基础,分析了指标间的依存和反馈关系,并用SD软件对指标体系的ANP模型进行了快速求解。     

不同采样密度的土壤水分特征参数预测

利用不同取样精度的土壤,将土壤质地(砂土、淤泥、粘土含量)和容重作为输入值,探讨了使用基于土壤转换函数的BP神经网络模型来预测0~20 cm表层土壤水分特征曲线参数,用甘肃省称钩河流域小流域的土样进行预测并进行了误差分析。结果表明,使用线性回归能够减小预测误差与实测值差距;使用BP神经网络来预测饱和体积含水量,其准确性比使用BP神经网络预测剩余体积含水量和田间持水量要高。为了进一步提高预测精度,还应尽可能地包括土壤结构、有机质含量等信息。     

电子差速履带车辆转向转矩神经网络PID控制

根据电子差速履带车辆转向动力学和运动学分析,提出一种电子差速履带车辆转向转矩模拟神经网络PID(ANNPID)控制策略,由双电动机转向转矩协调控制、ANNPID控制和感应电动机转矩控制组成.通过建立双感应电动机独立驱动履带车辆电子差速转向控制系统,实现基于ANNPID控制的转向转矩协调分配和基于模型参考自适应控制(MRAC)的感应电动机间接磁场定向(IFOC)转矩控制.采用该策略,在不同转向半径的行驶转向工况、0.5B半径转向工况和中心转向工况下的实车试验结果表明,低速转向具有较好的操控性能.     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

浅述旋耕刀设计技术的发展

我国是一个农业大国,旋耕机是主要的农田耕作机械.旋耕刀作为旋耕机的重要部件,一直是旋耕机设计者研究的主要内容[1].提高效率、降低功耗是旋耕刀设计的两个主要目标.针对这两个目标,浅述了国内外的主要研究成果.随着科学技术的发展,旋耕刀的设计研究手段也发生了变化,以计算机模拟技术和网络CAD系统为例,来说明数字化设计技术已逐步被引用到旋耕刀的设计制造领域.数字化设计技术将会使旋耕刀的设计及制造发生革命性的变化.     

基于Bayesian网的蔬菜质量安全追溯模型构建

蔬菜产品的质量安全是当前亟待解决的问题,只有从蔬菜的种植源头抓起,找出蔬菜生产过程中影响蔬菜质量安全的关键因素,结合蔬菜生产流程,建立完善的可追溯模型,才能真正实现蔬菜生产的质量安全监控.为此,建立了基于Bayesian网的蔬菜质量安全追溯初始模型,通过该模型可兼顾"事先"预防和"事后"追踪,从而保障蔬菜的质量安全.