人工神经网络在杉木产区划分中的应用研究

本文运用人工神经网络理论，对福建省的杉木产区划分进行研究．用具有S－型特征函数的B－P网络对每一产区的标准样本进行训练，由训练结束后的权植及其待测报样本的因子测值，计算出网络输出值，作出杉木产区分类预报．研究结果表明：人工神经网络用于杉木产区的划分具有科学性、可行性和实用性。     

基于深度学习和支持向量机的4种苜蓿叶部病害图像识别

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。     

粗糙神经网络在施肥决策系统中的应用

针对施肥过程中普遍存在的非线性和不确定性问题,构建了基于粗糙集理论和神经网络相结合的施肥决策系统模型。该方法应用粗糙集理论对神经网络的输入数据进行预处理,提取其中的关键成分作为神经网络的输入,提高网络的收敛速度和逼近速度,并以芸豆在同一农田重复进行种植的实验数据进行验证。结果表明,此模型不仅较公平、合理,而且提高了神经网络模型的学习效率。     

三网融合对图书馆信息资源的影响

针对电信。网络和有线电视三网融合趋势的现状,介绍了三网融合的意义和基本知识,阐述了三网融合对图书馆数字资源的影响,并提出了图书馆在现代信息社会中应作出的对策,从而加强新时期图书馆对信息资源的利用。     

基于ZigBee技术的草地环境信息监测系统设计

设计了一种基于ZigBee无线传感器网络的草地环境监测系统。该监测系统以CC2530芯片为核心,设计开发了适应于草地环境监测的传感器节点、路由节点和协调器节点,并在传感器节点和协调器节点中增加CC2591射频前端,增大节点之间的通信距离;利用ZigBee技术实现节点之间的数据通讯。系统能够实时、远程监测影响草地生长的环境因素,为草地资源保护提供决策依据。     

土壤环境质量评价的径向基函数神经网络的模型设计与应用

针对土壤环境质量评价缺乏精确客观的评价数值作为目标集的难点,研究了构建起对应升序排列的训练、检验样本集。在此基础上,定义以检验集输出评价结果的排序误排率作为判定各参数组合下RBF网络性能优劣的指标,以此性能指标为依据,在MATLAB6.5环境下,用编程语句实现了应用于该质评工作的径向基函数网络的大量参数组合的全面快速寻优,克服了目前用试凑法进行参数组合优选的随机性,确保所选参数组合为使整体性能最优的组合。利用确立的网络对象,以某地土壤重金属监测值为实例,对监测点进行质评,评价结果表明:该设计好的网络的评价结果科学、稳定、表达精度高。     

基于多重分形与BGSA-PNN的水电机组振动信号状态识别

受机械因素、电气因素和水力因素的耦合作用,水电机组振动信号表现出明显的非线性、非平稳特性,是一类典型的分形信号。基于此,提出了一种基于多重分形与二进制引力搜索算法优化概率神经网络（PNN）的水电机组信号特征提取方法,通过多重分形分析方法提取信号特征,使用二进制引力搜索算法进行特征降维,将降维后的特征向量输入PNN识别,并与降维前的特征向量以及使用EMD模糊熵提取的特征向量进行对比。结果表明,所提方法能够准确地提取机组振动信号特征,提高机组状态识别准确率,为提高电站的安全、稳定运行提供理论依据。     

多种水轮机模型的仿真对比分析

针对水轮机结构复杂、建模方法多样,研究分析了理想水轮机模型、分段线性化模型、神经网络模型和插值法水轮机模型的不同建模方法,对比分析各模型仿真时间、水轮机流量、力矩、水头等参数仿真输出,结果表明：采用理想水轮机模型和分段线性化模型时仿真时间短、建模过程简单,小波动工况下能较为精确地进行动态过程仿真,但进行大波动工况计算需要调整模型参数;插值法水轮机模型能对各个工况的静态过程进行精确仿真,但在动态波动瞬间仿真存在误差比另外3种方法稍大;神经网络模型仿真动态过程误差相对较小,但建模过程复杂、仿真时间较长。     

基于机器学习方法的洪泽湖入湖水质评价及预测研究

洪泽湖是我国第四大淡水湖,又是“南水北调”东线工程中重要的过水通道,它自身的水环境质量对其周边和北方受水区的供水保证至关重要。建立基于小波分析的长短记忆神经网络水质预测模型（WA-LSTM）,首先对淮河入洪泽湖的水质数据进行预处理,将其分解为高频和低频信号输入至LSTM模型中进行单因子水质预测,再通过单因子水质预测结果驱动T-S模糊神经网络方法对洪泽湖水质变化情况进行综合预测和评价。研究结果表明：①小波分析方法可以较好地捕捉水质数据特征,其与LSTM水质预测模型结合能够较大幅度提升水质预测的精度;②WA-LSTM模型与模糊神经网络的综合运用能有效解决单因子预测无法体现水质整体状况的问题。研究方法与结论可以为洪泽湖水质监测管理及水资源调控提供技术支撑和实践参考。     

基于BP神经网络的电控柴油机故障诊断

运用了优化算法的BP神经网络设计高压共轨式电控柴油机的故障诊断系统,以高压共轨式电控发动机的传感器数值作为BP网络的输入,把发动机的故障状态作为BP网络的输出,以此来对电控柴油机进行实时的故障诊断.将诊断结果与实测结果进行比较后,证明此方法是可行的.