基于GS的降雨径流预报方法研究

为满足降雨径流预报的需要，研究了基于GIS的降雨径流预报方法。分析了水文过程的影响因素并阐述了数据信息的预处理方法；提出了基于遗传算法的神经网络模型，该模型提高了神经网络的训练精度和效率，将该模型应用在降雨径流预测中能有效提高预测水平；提出了结合地理信息系统流域降雨径流预报，通过GIS对降雨信息的处理，提高了降雨径流预报模型的输入数据的精度；通过实例分析，验证了该方法在降雨径流预报应用中的可靠性和高效性。     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

时滞半主动悬架模糊神经网络控制

建立了含时滞半主动悬架数学模型,分析了悬架系统产生时滞的原因,设计了含时滞补偿模糊神经网络自适应控制策略,开发了C8051单片机为内核的半主动悬架控制系统,仿真分析后,在全真半主动悬架试验台上进行了台架试验。结果表明,实施半主动悬架神经网络时滞补偿控制,解决了控制中的“不合拍”问题,较好地协调了车辆舒适性和安全性之间的矛盾。     

多元线性回归和神经网络在水库调度中的应用比较研究

采用多元线性回归和改进人工神经网络算法分别建立水库多目标调度函数，并进行实例计算验证。通过比较分析，表明人工神经网络的非线性映射能力能够更好地反映水库调度中多个自变量和因变量之间的复杂关系，具有较高的模拟精度和较好的可行性，且应用简便。     

基于神经网络的发动机实时检测与故障诊断系统

提出了一种基于神经网络的发动机性能实时检测与故障诊断系统，其诊断的特点是利用各种传感器实时采集数据，结合人工神经网络，从不同的角度，不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，研究提出了实时诊断系统的各种抗干扰措施，通过实验验证，该系统具有较高的准确性，并且易于操作和使用。     

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

基于径流分类的日径流量预测神经网络模型

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。     

神经网络在大型泵站故障诊断中的应用

1 前言 大型泵站机组的运行安全性具有重要的经济和社会意义。因此，对泵站系统运行状态监测及故障诊断，就显得非常迫切和重要。本文主要探讨了径向基函数网络在大型泵站故障诊断中的应用，通过建立各种数学模型及其各模型特点的分析，建立适合于泵站系统中的故障诊断的诊断决策模型。人工神经网络作为一种新近发展起来的新学科具有非常强的分类、学习、记忆、联想、计……     

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。     

基于双池化与多尺度核特征加权CNN的典型牧草识别

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。