共查询到19条相似文献，搜索用时 203 毫秒
1.
基于人工神经网络理论的土壤水分预测研究 总被引：6，自引：2，他引：4
土壤水分含量是影响作物生长的重要因素,精确的预测技术对水资源的合理利用与管理具有重要的指导意义。利用人工神经网络理论,建立了以降水量、蒸发量、相对湿度和地下水埋深为输入因子,土壤水分含量为输出因子的预测模型,并对其预测精度进行了评价。结果表明,BP神经网络模型预测土壤含水率的最大误差为8.66%,平均误差为4.27%,预测精度达到0.989。模型具有较高的预测精度,其结果可为制定合理的水资源调配方案和调度计划提供科学依据。 相似文献
2.
夏季建筑冷负荷的正确预测是实现大型复杂中央空调优化运行、节能降耗的关键。笔者探讨了商场建筑冷负荷的主要影响因素,确定了建筑动态冷负荷预测模型的输入,提出了夏季基于新风机组供电频率的商场顾客率间接测量方法,解决了商场内顾客量难以检测的难题。还提出了AFC-HCMAC神经网络预测模型算法,实现了大型商场建筑冷负荷的动态预测。仿真结果表明:顾客率在商场冷负荷预测中占有重要地位,在冷负荷预测模型中增加商场顾客率可显著提高预测精度;AFC-HCMAC神经网络预测算法与传统的HCMAC神经网络算法比较,可有效降低神经网络节点数,提高预测精度。 相似文献
3.
基于ORC系统,通过Matlab、Refprop建立低温冷能回收发电系统的数学模型,以R245a为工质,在保证冷源温度不变的条件下,在蒸发温度55～70℃范围内,对系统进行热力学分析,探究蒸发温度对发电系统的换热特性、发电功率、系统热效率与(火用)效率的影响。结果表明,当蒸发温度由55℃上升至70℃时,系统冷凝器、蒸发器热容量流率分别下降了29%和32%,系统总不可逆损失增大,但膨胀机效率提高,系统净发电功率增加约22%,系统热效率和(火用)效率分别增加0.35%和7.2%。 相似文献
4.
利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。 相似文献
5.
遗传算法优化人工神经网络模型在日光温室湿度预报中的应用 总被引：4，自引：3，他引：1
提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。 相似文献
6.
自适应加权最小二乘支持向量机的空调负荷预测 总被引：1，自引：0，他引：1
为了提高建筑空调负荷的预测精度,在分析空调负荷主要影响因素的基础上提出了一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的建筑空调负荷预测方法。该方法根据预测误差的统计特性,采用基于改进正态分布加权规则,自适应地赋予每个建模样本不同的权值,以克服异常样本点对模型性能的影响。建模过程中采用粒子群优化(PSO)算法对模型参数进行优化,以进一步提高模型预测精度。基于DeST模拟数据将AWLS-SVM方法应用于南方地区某办公建筑的逐时空调负荷预测中,并与径向基神经网络(RBFNN)模型、LS-SVM模型及WLS-SVM模型作比较,其平均预测绝对误差分别降低了51.84 %、13.95 %和3.24 %,并进一步基于实际空调负荷数据将该方法应用于另一办公建筑的逐日空调负荷预测中。预测结果表明：AWLS-SVM预测的累积负荷误差为4.56 MW,亦优于其他3类模型,证明了AWLS-SVM具有较高的预测精度和较好的泛化能力,是建筑空调负荷预测的一种有效方法。 相似文献
7.
基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用 总被引：1，自引：1，他引：0
为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。 相似文献
8.
基于人工神经网络的天然栎树生长建模 总被引：3，自引：1，他引：2
以薄山林场天然栎树为研究对象,用人工神经网络方法研建其生长模型,对提高森林资源信息化管理水平具有重要的应用价值。以20株栎树解析木数据为训练样本,对所建模型进行训练和分析。结果表明：最佳网络结构为1：2：3,其总体拟合准确度为98.37%;模型的龄阶准确度最大99.29%,最小93.18%,平均96.52%;胸径、树高、材积的平均准确度分别为97.17%、99.30%、92.30%。总之,所建模型能够满足林业上森林资源调查与预测的精度要求,是一个网络结构简单直观、数学表达形式简捷、使用方便的单输入多输出神经网络模型。 相似文献
9.
《农产品加工．学刊》2017,(3)
为了探索内在化学成分与卷烟烟气指标和感官品质得分之间的关系,建立相应的预测卷烟烟气指标和感官品质得分神经网络模型数学模型。测试了A牌号卷烟不同批次成品卷烟常规化学成分、主流烟气化学成分和感官得分,以常规化学成分作为网络输入,分别建立主流烟气化学成分和感官得分的BP神经网络预测模型。隐含层节点为9,输入函数为Tansig,输出函数为Purelin。训练方法为梯度下降法。选择22个样本作为训练样本,其中19个作为测试样本,3个作为验证样本。训练的目标为允许误差0.000 1,最大迭代次数10 000次。预测结果与烟气常规化学检测和人员实际评吸结果比较,相对标准偏差小于5%,达到了较好的预测结果。该模型对于预测卷烟主流烟气成分的释放量和感官评价具有指导意义。 相似文献
10.
基于LabVIEW的潜油电泵数据采集系统 总被引：1，自引：0，他引：1
应用LabVIEW虚拟仪器现场可编程门阵列(FPGA)对潜油电泵的电压、电流参量进行实时数据采集,通过上位机对采样数据进行分析处理,得到潜油电泵的视在功率、有功功率、无功功率和功率因数,并与电能质量检测仪检测数据进行对照。系统硬件采用NI sbRIO-9606和NI9683夹层板配合使用,突破了传统的依靠DAQ助手的硬件采集,基于现场可编程门阵列(FPGA)的数据采集系统,由软件构成采集功能芯片,可控性强,准确性高,应用性好。实验表明,该系统在误差允许范围内能够对数据进行准确采集。 相似文献
11.
Based on the analysis of the water pollution spatial distribution characters of Yangtze River in Chongqing,a new method based on the integration of BP neural network and genetic arithmetic(GA) is proposed.For some shortcomings existed in the standard BP neural network,this method has ultimately overcome these shortcomings by combining the GA with BP artificial neural network through altering stimulating function,adding momentum factor to power value for BP algorithm and introducing genetic arithmetic to searching for the knots of the hidden layer,momentum factor and learning level.Using this method can easily overcome the difficulty of measuring the water prediction model's parameters.GIS is used as a tool for data management and spatial analysis,and the prediction result of the model for the water pollution spatial distribution characters of Yangtze River in Chongqing is visualized and explored with the precision of more than 78%. 相似文献
12.
基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析 总被引：4，自引：2，他引：2
为构建较准确的日光温室温湿度预测模型,于2011-2013年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型。结果表明:1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为88%,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率Rate(≤3℃)为94%,平均均方根误差(RMSE)为1.6℃。应用BP神经网络建立的气温预测模型相对更为准确稳定。2) 相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为81%,平均均方根误差(RMSE)为5.7%;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6%的平均准确率Rate(≤6%)为80%,平均均方根误差(RMSE)为6.7%。两类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定。 相似文献
13.
It is necessary to predict electromagnetic compatibility (EMC) for electronic equipment and systems. We proposed a fast EMC prediction approach via artificial neural networks (ANN). By choosing relevant electromagnetic interference parameters as the input prediction features, a back propagation (BP) neural network was used to construct the mapping between the input prediction features and the electromagnetic disturbance response of the sensitive system. The EMC fast prediction BP model was trained and tested by sample sets generated using an electromagnetic computational method. We used this method to predict the crosstalk coupling between two wires. The experimental results show the effectiveness of the proposed method. 相似文献
14.
基于布谷鸟搜索神经网络的微波加热温度预测模型 总被引：1，自引：0，他引：1
微波加热是一种与被加热物直接相互作用的选择性加热方式,具有清洁、节能、减排等特点。针对工业物料作为微波加热负载时,其温度非线性变化的特点,以微波工业加热过程中的多维、海量参数为研究对象,基于泛函接神经网络模型提取样本数据的深度特征,提出了一种基于布谷鸟搜索算法,优化BP神经网络的网络参数,建立了以"数据驱动"为手段微波加热工业物料温度模型。仿真实验结果证明了所提出模型的准确性、实时性。 相似文献
15.
In this paper, a predictive control approach using neural networks for active power filter is proposed. The control system of active power filter using this method make using of the internal model control technology based on neural networks, meanwhile, to solve its questions such as lag because of calculating using neural networks, a predictive model based on neural networks is introduced. Simulation analysis shows that this control approach can compensate the lag of system and take advantage of self-adaptive characteristic of neural networks. Good result can be obtained. 相似文献
16.
The research of neural network has been maturated both in theory and practical application since 1980's, and also been employed into the prediction and analysis of nonlinear time series signal in the field of signal process system. Concerning with the problem of time series signal prediction based on traditional neural network, such as black box, poor accuracy, and facing the shortage of post knowledge, this paper presents a different neural network prediction model from the traditional ones, based on intelligent neural cell model and employing the iterative prediction method. Through the example on stock price prediction, the prediction accuracy and practical value are proved. 相似文献
17.
本文通过对运城市2005—2018年气象数据和苹果年产量数据进行分析,构建运城市苹果产量早期预测模型。首先,采用HP滤波法将运城市苹果年产量分为趋势产量和气象产量。其次,分别对苹果物候期：发芽期、花期、幼果期、膨果期、成熟期建立多元线性回归模型,研究每个物候期对苹果气象产量影响的强弱。最后,选取对苹果气象产量影响最强的幼果期建立BP神经网络早期预测模型,并对其进行验证。结果表明：选取幼果期建立的BP神经网络苹果产量早期预测模型其预测结果相对平均误差为7.08%,使用2019年相关数据验证BP神经网络产量早期预测模型的精度为89.6%,表明该模型能够较为准确的预测苹果产量,可为农作物产量早期预测提供理论支持。 相似文献
18.
BP神经网络在许昌土壤墒情预测模型的应用 总被引：4，自引：2，他引：2
为了科学指导农业灌溉和抗旱救灾,通过采用BP神经网络方法,研究许昌现有土壤墒情经验分析模型,建立了许昌土壤墒情预测模型并结合许昌多年的土壤水分实测数据和气象资料进行误差分析,应用结果表明BP神经网络模型可较好地应用于许昌土壤墒情分析和预测,对于不同条件的地区具有较好的适应性和推广应用价值。 相似文献
19.
利用2009/2010、2010/2011和2011/2012西藏林区防火期（11月—翌年4月）气象观测资料和T639数值预报资料,基于人工神经网络BP算法,建立了西藏林区森林火险等级1~7天预报模型,历史拟合率超过85%;通过对2012/2013防火期间的森林火险等级试报检验结果表明,前3天的平均绝对误差不超过0.5级,7天的平均绝对误差不超过0.6级;与直接利用数值预报模式气象要素预报结果相比,有效地纠正了数值模式要素预报的系统偏差,表明模型预报效果良好。该模型的建立提高了对西藏高原森林火险等级的预报准确性,为森林火险防御和消防调度提供了参考。 相似文献