人工神经网络在毛竹枯梢病预测预报的应用研究

 本文依据1988~1989年在8个标准地收集的气象因子和毛竹病情指数的观察资料,运用人工神经网络模型预测预报中期(la)的毛竹枯梢病。研究结果表明:人工神经网络预测预报毛竹枯梢病的精确度较高,可以为毛竹病虫害发生规律的预测预报提供科学依据。     

近红外光谱技术建立镜鲤新鲜度定量预测模型

以镜鲤为研究对象,利用近红外光谱技术和化学计量法采集、测定相关指标,并应用偏最小二乘法(PLS)、偏最小二乘法和BP人工神经网络两种方法经比较优化模型。经过鱼肉样品光谱的扫描及pH值、TVB-N(挥发性盐基氮)值、TBA(硫代巴比妥酸)值的测定,在21种预处理下,确定最佳建模方式、预处理方式和最优波段。经模型优化得知,pH、TVB-N、TBA均在偏最小二乘法中建立的模型最好,最优预处理方法分别为基线校正和标准正态变量变换、净分析信号、Savitzky-Golay导数和基线校正,最优波段分别为1 000~1 300 nm和1 700~1 799 nm、1 000~1 200 nm和1 300~1 650 nm、1 000~1 799 nm,并且pH、TVB-N和TBA的Rc分别为0.9906、0.99865、0.99971,Rp分别为0.6436、0.021357、0.7723,达到了利用近红外光谱技术对镜鲤新鲜度高效、快捷、无损伤的定量检测预测模型的建立。     

热力管道小漏温度场特征标定研究

泄漏特别是小漏预警对热力管道的安全维护具有重要意义。受空间分辨率的影响,分布式光纤传感器对小漏引起的局部温度变化测试精度较低,测量温度与实际温度差异较大。以布里渊光时域反射仪(BOTDR)作为测量手段,提出了一种建立分布式光纤测量温度与实际温度之间对应关系的方法。设计完成了小漏温度场模拟测量实验,通过高斯拟合对测量数据进行特征提取,再用人工神经网络建立测量温度与实际温度的映射模型。结果表明:设计的实验方案可获得代表管道小漏温度分布的先验数据,基于此训练的人工神经网络可确立实际温度场与BOTDR测量温度场的对应关系,提高了光纤测试精度并为泄漏预警策略的制定提供了依据。     

基于地统计学与GIS技术的森林土壤养分空间变异性研究

以云浮市云城区和云安区森林土壤为研究对象,应用传统统计学和地统计学方法结合 GIS 技术分析其土壤养分的空间变异性,预测土壤养分空间分布。地统计学主要从空间插值模型和人工神经网络模型的角度对土壤养分的空间变异性进行诠释,并利用平均绝对误差(MAE)和均方根误差(RMSE)两个指标以及模型预测点与实测点间的相关系数作为判断模型好坏的标准。研究结果认为插值模型中泛克里格插值法在样点密度较小时显示出明显优势,而 BP-ANN 在模型的稳定性和推广性表现尤为突出,最后对泛克里格插值模型和 BP-ANN 下的有机碳、全氮、全磷、全钾4种养分空间预测分布特征进行描述。     

基于ANN的抽水蓄能电站建模与过渡过程优化

对大型带长引水管道的抽水蓄能电站机组调节系统进行了建模与过渡过程调节参数优化的研究.依据某抽水蓄能电站的具体参数,利用Matlab/Simulink对其机组调节系统建模,其中长引水管道系统采用弹性水击模型以较准确地反映较长压力管道内的水力振动特性,然后利用BP和RBF神经网络训练水泵水轮机特性参数,以获取较精确的水轮机模型,从而避免用插值法处理密集、交叉现象严重的水泵水轮机“S”特性曲线带来的误差.基于所建立的仿真模型,引入改进正交试验法对其空载频率扰动、负荷扰动及甩负荷过渡过程进行调节参数优化.结果表明,所建立的调节系统仿真模型可以在一定程度上反映机组的实际特性,并且改进正交试验法在机组调节系统过渡过程仿真试验参数优化中取得了很好的效果.本研究对大型抽水蓄能机组调节系统建模仿真具有一定的指导意义,为实际运行中机组过渡过程优化控制提供了理论依据和技术参考.     

基于红外衰减全反射光谱的温室土壤盐分特征研究

与传统的露地耕作土壤不同,温室土壤在耕作过程中受较多的人为调控,但在调控的过程中产生了多种问题,如大量施肥导致的土壤盐渍化[1]。因此,研究如何表征温室土壤的离子特征并预测温室土壤的发展是当前设施农业发展所面临的重要问题。常规农化分析只从不同的角度分析温室土壤的特征,很难实现整体上的综合表征。红外光谱能够综合反应土壤的理化性质,在温室土壤研究中有具有明显的特点。常规的透射光谱在研究土壤时存在制样时间长和难以定量的缺点,而衰减全反射红外光谱(ATR-FTIR)则可克服这一缺点,结合化学计量学的方法,能够实现土壤的定性与定量分析[2,3]。红外光谱包含大量化学键信息,在分析时需进行合理的降维,抽取     

人工神经网络在水环境质量评价和预测中的应用

在人工神经网络在水质评价和预测方面的应用研究现状、发展趋势进行讨论的基础上 ,用人工神经网络和综合污染指数法 ( N.M.L.)对同一实例进行比较研究 ,结果看出人工神经网络的优越性 ,在用于水质评价和预测时适应性强 ,结果客观、合理 ,具有深入开发的研究价值和良好的应用前景 ,并可实现对水质变化进行预测和预警的目的。     

BP神经网络模型在香菇中SO2含量分析中的应用

以‘庆元9015’香菇作为研究对象,以香菇样品的生长天数(d)和样品中总SO2-3含量、鲜香菇样品的SO2含量和采摘期的出菇时间(d)为输入层参数,以干香菇中SO2含量为输出层参数,建立三层BP神经网络模型,经过356次训练后模型收敛,模型具有满意的预测能力。     

2004和2005年长江口及其邻近海域富营养化程度比较

根据2005年2、5、8、11月4个季度月的调查资料,利用人工神经网络模型对长江口及其邻近海域的营养水平进行评价,并结合2004年研究结果,比较2个年度富营养化程度。结果表明,2个年度中5和8月均有超过70%的站位评价结果为中营养型和富营养型;而2和11月均有超过40%的站位呈现中营养型和贫营养型。无论从范围还是站位的多少上来看,2005年富营养化程度都比2004年严重;2004年从2到11月富营养化程度依次为5、8、11、2月;而2005年则是5、8、2、11月。富营养化高发季节均为春季的5月。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.