基于栈式自编码BP神经网络预测水体亚硝态氮浓度模型

亚硝态氮对于水产养殖动物具有毒性,对于其含量的及时监控非常重要。基于光谱法和电极法设计的亚硝态氮传感器价格昂贵,难以大面积推广,因此急需研发一种能快速预测养殖水体亚硝态氮的模型。实验通过实验室构建的水质在线检测系统测定水体中温度、pH、溶解氧、氧化还原电位4个参数,同时用α-萘胺比色法测定水体中亚硝态氮的浓度,从4种参数中选取与亚硝态氮浓度相关的参数作为预测模型的关联变量。水质参数数据及亚硝态氮浓度数据分别经预处理后作为原始数据用于SAE神经网络的训练,训练方法采用无监督逐层贪婪训练法,用学习到的特征监督训练SAE-BP神经网络,利用反向传播算法(BP)优化模型。训练得到结构为4-5-4-3-1的SAE-BP神经网络模型,建立的神经网络模型对实验数据预测的拟合优度R²为0.95,预测结果的均方根误差RMSEP为0.099 71。研究表明,亚硝态氮预测模型可以较为精准地预测水体中亚硝态氮的浓度。本模型将为开发在线快速监测养殖水体亚硝态氮浓度提供新的思路。     

闽江下游稻区水稻白叶枯病流行预测模型的研究

对闽江下游稻区的水稻白叶枯病流行规律经过２３ａ系统的调查研究，明确了病害流行主导因子。用逐步回归法在ＳＨＡＲＰＥＬ－５１０３计算器上建立了３个多因子流行预测模。     

甘谷小麦条锈病流行预测模型建立

通过对甘谷县1980-2004年小麦条锈病发生流行资料进行回归分析,建立了流行动态预测回归模型Y=-2.074 72＋0.242 533 X1＋0.067 44 X2-0.009 1 X3＋0.011 865 X4＋0.090 152 X5。经回归检验,拟合率为79.2%。     

阿尔泰山小东沟林区乔木物种丰富度空间分布规律

对一定区域内生物多样性的合理保护往往需要在景观水平上了解生物多样性分布的总体规律.借助于典型抽样调查和遥感及地理信息系统相结合的方法来预测物种丰富度是定量研究生物多样性宏观分布规律的重要途径.以阿尔泰山小东沟林区为对象,在外业调查的基础上,选取主要气象因子、地形因子和植被指数(NDVI)作为预测变量,利用主成分分析和多元回归分析分别提取主要环境信息和构建物种丰富度预测模型,借助ArcGIS9.1的空间分析功能,得到了阿尔泰山小东沟林区乔木物种丰富度空间分布预测图,并利用残差图评价其精度.将小东沟乔木物种丰富度预测图分别与坡度、坡向和海拔图叠加,分析不同地形条件下乔木物种丰富度的空间分布规律.结果表明:占总研究区面积70.28％的区域,其乔木物种丰富度在3到4种之间.坡度0-5°的地形条件下乔木物种丰富度出现频率最高的数值是3,其余坡度条件下,乔木物种丰富度出现频率最高的数值是4;乔木物种丰富度在西坡和西北坡出现频率最高的数值是3,其余坡向乔木物种丰富度出现频率最高的数值均是4;海拔梯度上,乔木物种丰富度出现频率最高的数值呈现先增加后减少的趋势.残差类型面积统计表明,较强预测水平面积和中等预测水平面积占研究区总面积的94.62％,表明预测效果较好.     

车道保持系统的车辆状态预测模型

针对目前车道保持系统中车速变化较大时,被控车辆偏移量较大的问题,通过状态预测方法,设计了用于单目视觉车道保持系统的状态预测模型.单目摄像头识别预瞄点处车一路偏差,考虑车辆经过预瞄时间后的状态变化量,设计基于车辆状态的预瞄点处车一路偏差模型.通过仿真与实车试验验证,说明提出的车辆预测模型能够准确预测出预瞄点处的车一路偏差,减小预测模型误差,提高车道保持系统控制精度和准确性,一般工况下,能够使车-路偏移量控制在10 cm以下.与目前采用的简化车路偏差模型相比较,能够提高被控车辆对于车道中心线的跟随性能.     

基于RBF神经网络的土壤侵蚀预测模型研究

土壤侵蚀的物理机理十分复杂,用数学方式难以描述.针对土壤侵蚀过程的模糊性、随机性、非线性等特点,将RBF神经网络的理论与方法应用到土壤侵蚀预测中.以杏木小流域为研究对象,应用RBF神经网络方法构建土壤侵蚀预测模型,以汛期降雨量、径流系数、土壤容量、有机质含量及孔隙度土壤侵蚀因子作为模型的输入层变量,输出层变量为年土壤侵蚀模数.通过模拟训练和预测,RBF神经网络取得的结果较好,能够有效地预测土壤侵蚀,且与常见的BP神经网络土壤侵蚀预测模型相比,RBF神经网络得到的预测结果精度更高.RBF神经网络模型将土壤侵蚀预测问题转化为影响因子和年侵蚀模数的非线性问题,该模型的模拟与预测为复杂的土壤侵蚀规律研究提供了新途径.     

BP神经网络算法在河西绿洲玉米生产碳排放评估中的应用及算法有效性研究

针对作物生产碳排放预测较为困难的实际问题,提出基于BP神经网络算法的玉米生产碳排放预测模型。选择地处河西走廊石羊河下游的民勤绿洲246家农户,面对面调查玉米种植户农场内生产投入数据,将玉米生产投入数据作为神经网络输入层;查阅和梳理国内外相似区域玉米生产环节碳排放系数,运用碳足迹生命周期法计算得到的碳排放值作为神经网络输出层;基于BP人工神经网络算法,运用试凑法确定网络隐含层节点个数,建立河西绿洲玉米生产碳排放预测模型,选择多元线性回归模型、多元非线性回归模型,对该模型有效性进行评估。研究结果表明,3层且各层节点数9、10、1的神经网络结构能够准确预测河西绿洲玉米生产碳排放,其碳排放预测值为0.763 kg(CO_2-eq)·kg~(-1)(DM);9-10-1结构的神经网络预测模型的相关系数(R~2=0.984 7)高于多元线性和非线性回归模型,该神经网络结构模型的均方根误差(RMSE=0.069 1)、平均绝对误差(MAE=0.051 3)均低于其他模型,BP神经网络算法预测性能明显优于其他预测模型。该研究为准确预测农业生产碳排放提供了新思路和可操作方法。     

山东省国民生产总值预测的灰色模型

对1996 a至2005 a山东省国民生产总值数据作了分析研究,用灰色理论建立了山东省国民生产总值预测的灰色模型,经检验模型具有较高的精度.运用该模型对2006 a至2010 a山东省国民生产总值作了预测,得出了2009 a山东省国民生产总值将超过3万亿的结论.利用灰色关联度分析了山东省第一、二、三产业对国民生产总值的影响程度.     

临夏地区黄芪种植气候区划与产量动态气候预测模型研究

[目的]研究临夏地区黄芪种植的气候区划和产量动态气候预测模型。[方法]利用临夏州黄芪种植资料和同期气象观测资料,从影响黄芪栽培的温度、湿度、光照等主要气象因子入手,通过相关因子诊断、数理统计和多元回归方法,在黄芪生长的不同阶段筛选出经过0.01信度检验的气象因子,对临夏地区黄芪生态气候适应性和产量预测模型进行初步探讨。[结果]种植高度为海拔1 700 m以下的干旱山区、浅土层区以及年平均温度高于9.0℃、年降水量不足400 mm、≥10℃的积温为≥2 900℃.d的干旱高温区域,即主要代表区有永靖东、西干旱山区,东乡北部干旱山区、积石山东北部干旱区等小区域,不宜栽植黄芪,临夏其余大部分区域均可栽植黄芪。黄芪的不同生长阶段,从生长到成熟阶段划分的5个生育期(插秧期、茎叶生长期、花期、果期、夏播期)对气象条件的要求有明显差异,建立的各生育期与相关气象因子的预测模型的预测准确率均达75%以上。[结论]该研究实现了黄芪单产气象预测,为临夏黄芪大力推广栽培提供了科学依据。     

淮北地区农业干旱预警模型与灌溉决策服务系统

根据2002-2005年3a的田间试验资料和1990-2005年16a的大田土壤水分观测资料,分析确定了安徽淮北地区冬小麦、夏玉米干旱等级指标和适宜土壤水分指标。基于常规气象资料建立了36个逐旬中期降水预报模型,基于温度、降水等气象要素建立了24个土壤墒情逐月回归模型,基于土壤水分平衡方程建立了农业干旱逐旬预报数学模型,对各模型进行综合集成,建立了淮北地区农业干旱综合预警模型。根据干旱预报和降水预报结果,以及作物-土壤适宜水分指标、作物需水量关键期、临界期和土壤水分临界值等,开发了淮北地区冬小麦、夏玉米的干旱预警和灌溉决策计算机服务系统,使用简便快捷,业务化程度高,在近2a的业务应用中,服务效果显著。