排序方式: 共有13条查询结果,搜索用时 15 毫秒
2.
3.
为进一步推进智能农业大数据产业的健康有序发展,减少农业领域在生产、销售等环节中的风险因素,确保农业生产者、销售者的最大利益。通过详细分析农业大数据中的核心问题,以云南省鲜切花产业为研究对象,拟采用人工神经网络算法分别构建鲜切花价格预测模型群、鲜切花质量等级识别模型群,将鲜切花价格预测模型群嵌入云平台中,以低廉的价格提供给需求者;将鲜切花质量等级识别模型群应用于鲜切花等级分类的流水线,方便快捷的进行智能化分类。整个研究引入了智能算法,将智能与农业进行有机的结合,为农业大数据中心的发展提供参考依据。 相似文献
4.
为进一步利用人工智能技术服务云南省,促进云南省草果产业不断壮大发展,减少资源和劳动力的浪费,选取最具有代表性的云南省怒江草果种植基地,构建草果病虫害预测模型、草果价格预测模型等多个智能模型,搭建草果产业智能推荐模型群。采用云计算技术搭建草果产业智能推荐平台,助推农户致富、企业发展壮大、科研人员获得显著的研究成果,为种植户、种植企业、销售企业、加工企业、科研人员5类人群提供优质、高效的智能化服务模式,并且在运营的过程中不断壮大平台的规模和影响力,助推云南省乃至全国草果行业的发展。 相似文献
5.
6.
7.
针对鲜切花种植户盲目种植,时常出现供求不平衡的情况,拟设计一个农业大数据环境下鲜切花行情监测系统。通过昆明国际花卉拍卖交易中心官网提供的数据,作为构建智能预测模型的数据源,构建基于BP算法的价格预测模型;根据鲜切花不同季节不同均价及最高最低价格,制定鲜切花价格等级区间标准,将预测结果输入标准中,产生预警信息。再引进农业大数据技术,设计农业大数据环境下鲜切花行情监测系统。该系统的实施将为农户、散户、种植户、销售商提供准确的信息,确保经济利益最大化,助推云南省鲜切花产业大发展、大繁荣。 相似文献
8.
为确保白芨种植户(企业)获得最大的经济效益,科研人员取得精确的数据进行科学研究.首先,收集白芨种植过程中,浇水量、施肥量、喷洒农药量以及对应的单位面积产量等数据,构建基于广义回归神经网络(general regression neural network,简称GRNN)算法的智能预测模型对特定种植条件下白芨的产量进行预测,得到不同种植环境下白芨的不同产量数据;然后,将这些数据输入信息系统中,为用户提供数据,以便于在最适合的条件下种植白芨.试验结果表明,GRN N在小样本构建智能预测模型时能够取得较好的预测效果.因此,在白芨种植过程中,当测试数据、输入数据不断增大的同时,采用该模型能够为种植户(企业)提高更精准的种植信息,最大化地提高产量,增加经济效益;为科研人员提供准确的数据确保研究成果的真实性. 相似文献
9.
为保障云南鲜切花产业健康、可持续的发展,增强从业人员的收入,壮大鲜切花生产、销售企业的实力,确保亚洲最大鲜切花生产、拍卖基地的实力,通过对鲜切花产业平台建设的需求进行详细分析,拟使用多种不同的智能算法建立鲜切花病虫害预测模型、鲜切花价格预测模型、鲜切花价格预警系统以及鲜切花产量预测模型,将建立的模型群搭建于鲜切花产业平台上,构建基于智能算法群的鲜切花产业平台,提出云南省鲜切花产业发展的第一期、第二期和远景构建目标,充分发挥大数据技术、智能算法、管理信息系统学在农业领域中作用,为多学科结合构建智能平台提供参考依据。 相似文献
10.
针对市场上对各类鲜切花零售价格、销售量和销售率等数据收集不齐全的问题,拟设计一个零售商和买家参与的基于智能算法鲜切花价格预测平台:通过零售商和买家交易来收集鲜切花等数据,作为数据输入源进行基于智能算法的鲜切花价格预测,预测的结果反馈给鲜切花种植户、种植企业保障其经济效益,同时为研究人员深入研究提供数据。该研究主要对鲜切花预测的关键技术进行探究,根据输入层数据的规模,分别使用径向基函数神经网络(RBF)、广义回归神经网络算法(GRNN)构建的鲜切花价格预测模型,以玫瑰鲜切花作为研究对象,并使用斗南花卉市场公布的部分数据作为模型的数据输入源进行模拟预测。结果表明:径向基函数神经网络(RBF)、广义回归神经网络算法(GRNN)分别适用于不同级别规模的输入层数据,预测率保持在85%~95%。 相似文献