基于LSTM的活立木茎干水分缺失数据填补方法

【目的】研究植物茎体水分数据,针对相同数据段上的缺失数据,对比不同数据填补方法,验证LSTM模型填补茎干水分数据的有效性及准确性。【方法】选取2017年6月份栽种在北京市海淀区的紫薇树茎体水分完整数据,人工删去部分数据作为缺失数据,分别使用插值方法、RNN神经网络、LSTM神经网络对缺失部分进行填补,填补结果与原始数据比对并分析结果。基于神经网络预测值误差随预测时刻推后而增大的误差分布情况,本文提出了在神经网络预测值基础上加入对数据后期处理的方法:从缺失数据的正向和反向进行预测,将2个方向的预测值各自乘以一组按照预测时刻递减的权重值并相加,结合2个预测方向的优势,进一步提高预测准确度。【结果】3种方法中,RNN与LSTM神经网络方法较传统的插值方法优势明显:插值方法准确度在缺失值增多时迅速下降;神经网络方法下降速度较慢。当填补值与真实值误差在2%以内作为准确时,插值方法的填补准确率不足50%,RNN方法达到50%且不足60%,LSTM方法达到80%以上;当填补值与真实值误差在4%以内作为准确时,插值方法填补准确率为60%,RNN方法准确度最高达到90%,LSTM方法准确率在95%以上。在此基础上加入权重处理,对LSTM预测结果处理后误差在2%以内准确率达到97%,误差在3%以内准确率达到100%。选取一组测试数据代入模型,预测结果比训练数据预测结果精度有所下降,但双向预测方式优势更加明显。【结论】采用基于LSTM模型的双向综合预测法,可显著减小长期预测中的累计误差对预测结果的影响,提升了预测数据的准确度。与其他两类数据填补方法相比,基于LSTM神经网络的数据填补方法在长期缺失的时间序列数据填补上有较大优势。     

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。     

BP神经网络预测中厚板对接焊接变形

为了预测中厚板的对接焊接变形,从而能有针对性的采取控制措施来实现结构精度,分别用20组不同焊接参数焊接的相同尺寸的中厚板做比较,得到不同的焊接变形系数。利用人工神经网络的方法,建立3层BP网络模型,根据试验训练样本数据,对该模型进行训练,建立BP网络模型系统,通过建立的BP网络系统对其中几组数据进行预测,结果显示,预测的结果与试验数据接近,误差满足工程要求,表明神经网络可以应用于中厚板焊接变形的预测。     

基于VB与Matlab的谷物霉变识别系统的开发

Visual Basic 6．0为开发环境,Matlab6．5为数据处理工具,开发了基于神经网络的谷物霉变识别系统,并简要介绍了该系统的硬件结构及软件功能实现的关键方法。     

BP神经网络在水稻病虫害诊断中的应用研究

介绍了BP神经网络算法及编码的内涵,探讨了基于BP神经网络的水稻病虫害专家系统的构建。研究表明,BP神经网络在水稻病虫害诊断中具有较强的应用价值。     

基于灰色神经网络模型的重庆能源需求预测

能源是支撑人类生存、经济发展和现代文明不可缺少的物质基础,随着社会经济的发展,对于能源的需求也在不断增长,因此准确地预测能源消费需求对于制定能源规划具有重要的指导意义.基于灰色神经网络预测模型,以重庆市历年能源统计数据为样本,根据能源消耗总量与能源消耗增长率、万元GDP能耗、万元财政收入能耗、居民收入能耗、能源消费弹性等因素之间的相关性,对重庆"十三五"期间能源的消费需求进行了预测,结果表明:运用灰色神经网络模型能够较为科学地预测重庆未来能源的实际需求趋势,可为政府相关部门的决策提供参考.     

基于人工智能技术的数字地面模型空间插值研究

本文针对数字地面模型(D igital Terrain Model)的建模问题,将高程作为插值变量,通过建立采样点的平面坐标(x,y)及位置因子x2 y2作为输入,对应点的地面高程作为输出的1种描述空间采样数据的BP模型,用人工智能技术研究了1个小区域的高程插值问题。结果表明:基于BP法的人工智能技术可用于DTM的最优空间插值,插值结果可直接用于DTM数字建模,为数字地面模型的建立提供了1种新方法。     

桃的电特性及新鲜度识别

为了解采后果品电特性变化机理,并探索基于电特性识别果品品质的方法,研究了桃采后电特性和生理特性的变化。结果表明,随着桃新鲜度下降,相对介电常数呈余弦规律变化,损耗角正切逐渐减小,呼吸高峰时相对介电常数最大。分析了电特性变化的原因,进而建立了采后桃电特性与生理特性之间的关系模型。以相对介电常数和损耗角正切为输入特征参数,应用BP神经网络技术识别桃的新鲜度等级,平均识别率为82％。