共查询到18条相似文献，搜索用时 860 毫秒
1.
水稻是我国重要的粮食作物之一,在我国不同农业生产区域都有种植,实现水稻产量的精准预测对于稳定我国粮食安全具有重要意义。为了改良传统产量预测方法,实现水稻产量高效预测,基于主成分分析法提取主成分,再将主成分作为BP神经网络模型的输入,对水稻种植面积较大的黑龙江省、江苏省、湖南省和湖北省2011-2020年的数据进行预测分析。研究结果表明：水稻产量与月最高土壤温度、月最低土壤温度、月土壤平均温度、月大气最高温度、月大气平均温度、月平均大气湿度为极显著相关,与月降雨量显著相关,与月大气最低温度相关性较弱。主成分分析与BP神经网络组合模型下,水稻产量的预测精度明显高于传统BP神经网络模型,R2达到0.86,MAPE仅为0.97%,RMSE为0.93,预测值与试验值之间拟合程度较高,模型验证结果表明模型预测结果准确稳定。研究结果对于更加科学、合理地预测水稻产量具有重要的指导意义。 相似文献
2.
3.
4.
5.
BP网络、Hopfield网络在水质评价应用中的比较研究 总被引：1，自引：0，他引：1
针对BP网络、Hopfield网络在水质评价的应用问题,建立BP网络、Hopfield网络水质评价模型,对BP网络、Hopfield网络从结构、输入输出、稳定性、评价结果等方面进一步地分析比较。然后以东辽河为例,运用BP网络、Hopfield网络、模糊评价法、内梅罗指数法4种水质评价方法进行水质评价,通过比较评价结果进行深入研究。结果表明,Hopfield神经网络更适用于水质评价。对神经网络方法水质评价问题进行探讨,试图找出BP网络、Hopfield网络方法在水质综合评价中的优缺点,具有非常现实的意义。 相似文献
6.
人工神经网络在粮食销售额预测中的应用 总被引：4，自引：0，他引：4
粮食销售额预测是从以往销售额的数据中总结粮食销售额变化的规律性。并用这个规律动态地预测未来的销售额。人工神经网络的诸多特性能较好地处理粮食销售额预测问题。为此，介绍了BP神经网络的结构、算法和基于人工神经网络的粮食销售额预测。实验结果表明，人工神经网络的预测方法是可行的。 相似文献
7.
作物产量预测的时间序列神经网络模型 总被引：1，自引：0，他引：1
建立了基于时间序列的动态系统前馈神经网络（DBP）模型，并将该模型用于不同水肥处理条件下水稻产量的预测。该模型克服了传统静态BP模型以某个生育阶段的影响因子的过程值或最终值采建立网络结构的局限性，可以充分利用水稻生长过程中大量的动态采样数据，以便提高模型预测精度。与修正Morgan模型相比，则不需要建立具体的水分生产函数模型，适应性更强。检验表明，DBP模型预测精度较高。同时数据比较表明，DBP模型与传统BP模型及水肥综合修正Morgan模型在水稻产量预测精度方面没有本质差异。 相似文献
8.
《农机化研究》2021,(6)
对棚内温度进行精确预测是实现棚室精准调控的前提,是实现棚内作物高品质栽培的保障。因棚室具有大惯性、强耦合、非线性等特点,通过机理分析法难以建立其准确的数学模型,人工神经网络方法在棚室温度预测方面应用广泛,但其存在的收敛速度慢、容易陷入局部最小等缺点使测量精度受到影响。为进一步提高基于神经网络算法的棚室温度预测模型精度,运用思维进化算法(Mind Evolutionary Algorithm,MEA)优化LM-BP神经网络模型的输入权重和阈值,并与遗传算法优化LM-BP网络模型和LM-BP模型进行对比。试验结果表明:MEA-LM-BP与LM-BP和GA-LM-BP方法相比,RMSE分别降低了0.32和0.16,平均相对误差降低了1.08%和0.58%。该方法提高了基于神经网络算法的棚室温度预测模型精确度,并提供了新的优化路径。 相似文献
9.
10.
BP神经网络在浅层地下水矿化度预 总被引：2，自引：1，他引：1
针对导致黄河下游三角洲地区土壤盐渍化的浅层地下水因素,以该地区典型区域为研究对象,将人工神经网络引入地下水矿化度的模拟和预测中,建立了基于土壤盐分、地下水埋深和pH的地下水矿化度预测的BP神经网络模型,并与多元回归模型在拟合精度和预测性能方面进行了比较。结果表明：研究区域地下水矿化度与土壤盐渍化程度呈显著的相关性,多元回归模型能较好地拟合地下水矿化度;通过网络训练确定了地下水矿化度的BP神经网络的拓扑结构为5：8：1,BP神经网络的拟合精度明显优于多元回归模型;统计检验表明BP神经网络的预测性能亦优于多元回归方法,其预测精度提高了50.1%。该研究可为黄河三角洲地区盐渍化的水盐调控和预测预报提供理论基础与决策依据。 相似文献
11.
神经网络模型在农村人均收入预测中的应用 总被引：2，自引：1，他引：2
利用人工神经网络建立了具有时间序列对象的预测模型，并提出了基于体模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收进行了预测，证实了本模型的正确性和科学性。 相似文献
12.
研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。 相似文献
13.
BP神经网络与GA-BP农作物需水量预测模型对比 总被引：2，自引：0，他引：2
农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型. 相似文献
14.
水稻水肥耦合效应研究 总被引：1，自引：0，他引：1
研究寒地黑土区水稻水肥耦合效应对产量的影响规律,运用二次饱和D-416最优设计方案,以施氮量、施钾量、施磷量、分蘖末期土壤含水率占土壤饱和含水率的百分比为设计因子,以产量为目标因子,编制四因素二次饱和D-416设计表,结合基于实数编码的遗传算法与BP神经网络强大的函数拟合、寻优功能,以设计表中四因素为输入层,产量为输出层,建立基于RAGA-BP神经网络模型,并对该模型进行预测和优选。结果表明,当产量最高时水肥耦合的最优方案施氮量为1.01g/盆、施钾量为0.63g/盆、施磷量为0.46g/盆、分蘖末期土壤含水率占饱和含水率的75.2%,此时得到的产量为74.78g/盆,与模型预测的最优个体适应度值73.55g/盆误差仅为1.68%,说明该模型能较好的反映出水肥投入量与产量之间的复杂关系,对指导农业生产实践具有一定的意义。 相似文献
15.
基于公共天气预报的参考作物腾发量预报 总被引：1，自引：0，他引：1
针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET0为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET0为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET0进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET0预报数据. 相似文献
16.
为了快速、精准地感知水稻稻曲病的发生，实现稻曲病大面积早期监测，利用机载UHD185高光谱仪采集带有发病区域的多组水稻冠层高光谱图像数据，对图像数据进行预处理并建立数据集。对健康区域和发病区域进行分类训练，建立支持向量机(SVM)识别模型和主成分分析(PCA)加人工神经网络(ANN)的识别模型，通过验证样本来检验识别模型的准确性，达到识别发病水稻的目的。支持向量机识别模型选用两组特征波长下的假彩色图像：第1组波长组合(TZH1)为654、838、898 nm;第2组波长组合(TZH2)为630、762、806 nm,两组数据的错分误差/漏分误差总体分别达到4.24%和5.41%;其中S型核函数的SVM模型诊断性能最好，总体分类精度最高可达到95.64%,Kappa系数可达到0.94,基本达到了准确识别水稻稻曲病的目的。主成分分析加人工神经网络的识别模型选用前3个主成分，贡献率分别为93.67%、2.80%、1.24%,作为最优波长建立人工神经网络识别模型；其中非线性分类的效果优于线性分类的效果，总体分类精度达到了96.41%,Kappa系数可达到0.95。通过两个实验组数据的支持向量机... 相似文献
17.
为进一步提高农产品供需过程模拟与估算精度,本研究以自1980年以来国家级和省级的大量农业数据作为样本,充分考虑农产品品种、时间、收入、经济发展等因素影响,构建基于深度学习长短时记忆神经网络（Long Short-Term Memory Neural Network,LSTM）的多种农产品供需预测模型。模型在充分考虑机理性约束条件的前提下,利用深度学习算法在非线性模型分析预测中的优势,对稻谷、小麦、玉米、大豆、猪肉、禽肉、牛肉、羊肉、水产品等9种主要农产品供需进行分析预测。将基于本模型的2019—2021年产量预测结果与国家统计局公布数据进行对比验证,三年平均预测准确率96.98%,表明本研究构建的预测模型能够高效地反映隐性指标变化对预测结果的影响。该模型可以通过及时地监测农业运行数据,为多区域、跨期的农业展望工作提供智能化技术支持。 相似文献
18.
基于模糊神经网络的农村电力短期负荷预测 总被引：2，自引：0，他引：2
为提高负荷预测精度,提出了一种新的模糊神经网络短期负荷预测模型。该模型将模糊系统和神经网络的优点融合在一起,并利用小生境遗传算法优化模糊神经网络参数,提升网络运算性能。某农村地区电力短期负荷预测的计算结果表明,该方法具有较好的预测效果。 相似文献