基于时延神经网络的木材干燥温湿度建模研究

利用神经网络建立了木材干燥的温湿度模型,给出了其时延神经网络辨识结构。分别提出温、湿度控制模型(控制信号与温、湿度之间的关系模型)和木材干燥基准模型(温、湿度与木材含水率之间的关系模型),并利用实验干燥窑得到的实际数据进行了仿真研究。仿真结果表明,利用此方法建模是可行的,所建模型是有效的。图10参16。     

基于神经网络的树叶识别系统研究

在林业系统注册树木种类时,通常采用大量树叶上的可见外形特点来辨别数目繁多的树木种类。针对此问题,本文提出了基于神经网络的树叶识别方法,该方法建立并管理一个分等级的树叶图像体系,通过对不同种类树叶的边缘提取来识别每种树叶的特征点,从而得到树叶的外部轮廓来区分树木种类:给出了相应的改进型神经网络算法,并给出详细的论述过程:最后,通过Java语言给出了系统实现并做了大量的数值仿真。结果证明本文方法是可行有效的。图4表1参8。     

基于神经网络的杉木人工林碳通量影响因素的选择

对碳循环影响因素的研究是预测碳通量的重要环节,也是研究碳循环的重要基础。利用亚热带地区湖南省会同杉木人工林生态系统国家野外科学观测研究站2008年7—9月的碳通量和环境因子观测数据,采用遗传神经网络模型对碳通量预测因素进行优化选择,并与传统的相关分析方法进行对比分析。结果表明:模型CIV.8(输入参数包括空气温度Ta、光合有效辐射Par、大气CO2浓度ρc、空气相对湿度Rh、风速Ws、土壤温度Ts)是所有模型中模拟效果最好的。光合有效辐射与碳通量的相关性最强,相关系数是-0.704(P=0.000);降雨量与碳通量的相关性最弱,相关系数是0.002(P=0.854)。最多输入变量或最复杂的神经网络结构并不能得到最好的模型。     

应用BP神经网络预测高压脉冲电场对果蔬干燥速率的影响

高压脉冲电场（HPEF）预处理果蔬可以提高果蔬干燥速率,改善干燥产品的品质,降低能耗。通过对白萝卜和苹果HPEF预处理干燥试验,探讨脉冲强度、作用时间和脉冲个数等预处理参数对干燥速率的影响。应用BP神经网络L-M训练法分析HPEF预处理参数与不同时间段干燥速率之间的关系。从而达到确定HPEF参数与不同时间段干燥速率之间因果关系的目的。研究结果表明,脉冲强度对干燥速率的影响比作用时间和脉冲个数对干燥速率的影响显著;建立白萝卜和苹果预处理干燥的BP神经网络仿真模型,并与实测值进行对比,用BP神经网络预测的干燥速率接近实测结果,具有较好的估计效果。     

基于BP-MC网络的张家港市耕地安全定量化分析

近年来城市用地大量侵占农业用地,不断威胁到城市的粮食安全问题,利用遥感快速准确地监测土地利用覆盖变化和城市扩张对保护耕地意义重大。运用BP人工神经网络,结合广义蒙特卡罗思想,利用多年的张家港市TM遥感影像、土地利用图和年鉴,对耕地、道路、城市扩张、GDP及产业经济结构之间的关系进行了深入的分析。研究结果表明：张家港市10 a来耕地面积以每年约2.5%的幅度减少,但在2002年后农业总产值有小幅回升,这与该市落实土地优化政策、农业结构和产业结构调整息息相关。城市扩张主要方式为多核心蔓延式扩展,距主要道路和已建城区2 km内的农业用地最有可能在4 a内转变为城镇用地,并且道路和城区附近500 m内是转化高峰,而且间隔年限越长,道路和已建城区对其缓冲区的影响范围越广、辐射强度越大。经济的快速发展使得耕地大量被占用,导致了农转非概率升高,但随着城市用地与耕地数量逐渐达到平衡,农转非概率降低,使得GDP与非农转化率呈现倒“U”曲线;BP-MC网络通过在图像中采集大量像素点进行训练,有效地避免了人工神经网络陷入局部极小点,是一种定量研究城市扩张驱动力的有效途径。     

基于遗传神经网络的农作物秸秆板材优化设计

利用弱碱对农作物稻秸进行表面化学处理后,通过热压方式压制阻燃秸秆人造板,研究异氰酸酯、脲醛树脂胶和FRW（fire retardant of wood）阻燃剂的加入量对农作物稻秆板材力学性能和阻燃性能的影响。研究中采用正交试验和神经网络构建工艺和性能之间的非线性映射模型,再利用遗传算法对神经网络模型的权值和阈值进行优化,然后利用训练好的模型和设定的板材性能对工艺参数进行优化设计。通过验证性试验发现网络模型优化的工艺参数配比为异氰酸酯、脲醛树脂、FRW阻燃剂的加入量分别为1.926%、2.40%和15.381%,采用优化的工艺生产的板材性能和实际值之间的静曲强度、内结合强度和热释放速率峰值与目标值的误差分别为11.7%、20%和8%,相比于没有优化的工艺,其误差分别减小了35.3%、17.5%和39%。     

基于径向基神经网络的叶轮轴面投影图优化

为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径、后盖板圆弧半径、前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX 14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面投影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合。研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测泵设计点效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性。因此,叶轮轴面投影图的优化设计方法是可行的。     

样条权函数神经网络在机械手逆运动学中的应用

针对传统神经网络算法中存在的缺陷,提出了一种样条权函数神经网络,并将其应用于机械手的逆运动学求解中。该类型的神经网络结构简单,训练得到的权值是由三次样条函数组成,而非传统神经网络的常数,通过求解线性方程组得到三次样条函数的表达式。所以本算法不存在局部极小、收敛慢等缺点,仿真证明该算法具有较高的精度。     

LM-BP神经网络水质评价模型应用研究——以新乡市卫河为例

介绍了LM-BP神经网络模型的原理及算法和模型的优点。针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析。实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析。     

基于神经网络红枣红外辐射干燥预测模型建立

针对红枣红外辐射干燥含水率的变化具有非线性和时变性、很难利用现有的模型构造一个数学模型来描述其变化规律的问题,利用Mat Lab神经网络工具箱和红枣红外辐射干燥特性试验数据建立了神经网络预测模型。通过对实测值和模型预测值进行分析研究,得出利用BP神经网络可以较快速、准确地建立模型来描述含水率的变化规律,且模型的预测值与试验测试值误差较小,能很好地实现在线预测的效果。