共查询到20条相似文献，搜索用时 171 毫秒
1.
禽蛋孵化过程组合预测研究 总被引：1，自引：0，他引：1
针对孵化过程是一个具有高度非线性、大滞后、时变特性且强耦合性的农业生产过程,提出了一种基于灰色预测和联想记忆神经网络的组合预测方法.该模型首先利用灰色预测模型和联想记忆神经网络分别对焦炉禽蛋孵化过程温、湿度进行预测,然后采用方差-协方差优选组合预测法对2种单一模型的预测结果进行加权集成,以获得较为准确的预测精度,实现孵化过程温度和湿度的有效预测.运行结果表明,组合预测模型均方根相对偏差为0.9％. 相似文献
2.
基于 NARX 神经网络的农产品价格时间序列预测方法研究 总被引：1，自引：0，他引：1
针对传统时间序列预测方法在非线性时间序列预测上的不足,引入了非线性有源自回归神经网络（ NARX ）,建立了基于非线性有源自回归神经网络农产品价格时间序列预测模型。该模型利用核函数对农产品价格时间序列进行数据变换;再用统计分析方法对模型性能进行评价、分析,进而对模型性能进行优化。实验结果表明：非线性有源自回归神经网络较传统时间序列预测模型,对非线性时间序列预测有更好的适应性和更高的预测精度。 相似文献
3.
我国农业机械化作业水平的发展变化具有增长性和波动性,对预测的方法要求较高。鉴于单一预测模型的局限性,在确定我国农业机械化作业水平各单一预测模型的基础上,建立了基于BP神经网络的农业机械化作业水平非线性组合预测模型,并对我国农业机械化作业水平进行预测。误差分析表明,该模型可以有效地提高农业机械化作业水平的预测精度,用该模型对我国2012-2020年农业机械化耕、播、收作业水平进行了预测。预测结果表明,在未来几年我国农业机械化作业水平将保持快速增长趋势,到2020年机耕、机播和机收作业水平分别为91.37%、66.77%和71.93%。 相似文献
4.
针对农村经济预测能力不足、预测方法不适用、预测准确度差等问题,提出使用神经网络中的GRNN方法,通过农业总产值及粮食等农作物产量.对农业机械动力及农村用电量需求进行预测.GRNN模型具有样本数据少、非线性映射能力强、易于进行多元、多目标预测的特点.同时.该模型人为调节的参数少,学习、训练时间短,使用方便,很适合农村管理人员的经济预测需求.论文的实证案例经建模、训练、仿真,选取了误差小、拟合度高的模型并应用于农村经济预测.研究结果表明,前向神经网络(包括GRNN)方法适合广大农村经济管理应用,较具推广价值.类似方法的推广应用必将使广大农村"只有统计,没有预测"的现实得以改观. 相似文献
5.
基于RBF神经网络的农田土壤含盐量预测 总被引：1，自引：0，他引：1
介绍了径向基函数神经网络的原理、训练算法,并建立了基于径向基函数神经网络的农田土壤含盐量预测模型.通过实例验证,该模型具有较强的非线性处理能力和逼近能力,运算速度快,性能稳定,预测精度较高,泛化能力强,可用于生产实践中. 相似文献
6.
人工神经网络在葡萄霜霉病预测中的应用 总被引：2，自引：0，他引：2
近年来,人工神经网络模型开始逐渐应用于植物病虫害的预测预报中,并取得了良好效果,已成为植物病虫害预测预报的新途径.为此,以温度、相对湿度、累积降雨量及累积降雨日作为预测因子,以葡萄霜霉病的感病指数为预测目标,利用人工神经网络的BP算法建立了葡萄霜霉病预测模型.以陕西杨凌地区2004年和2006年的数据作为BP网络的训练资料,对2007年霜霉病的流行状况进行预测,预测的变化趋势与该年霜霉病实际的流行趋势吻合.由此证实,利用神经网络建立葡萄霜霉病预测模型是可行的. 相似文献
7.
基于遗传算法与RBF网络的养殖池塘溶解氧模型 总被引：1，自引：0，他引：1
在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型.常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快.采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入.实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高.该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础. 相似文献
8.
提出了一种基于广义回归神经网络的农业机械需求预测模型。该模型以GRNN神经网络为基础,运用循环测试法,结合k折交叉验证进行了参数寻优和网络训练,能在历史数据样本较少的情况下获得满意的预测精度。同时,引用广西1995-2010年农机总动力以及相关影响因素的数据进行测试,验证了模型的有效性。 相似文献
9.
为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。 相似文献
10.
基于BP神经网络的农机总动力组合预测方法 总被引：5，自引：1，他引：4
鉴于单一预测模型和线性组合预测模型的局限性,在确定黑龙江省农机总动力单一预测模型的基础上,建立了基于BP神经网络的非线性农机总动力组合预测模型。误差分析表明,该非线性组合预测模型的拟合平均绝对百分误差为3.03%,低于一元线性回归模型、指数函数模型、灰色GM（1,1）模型和三次指数平滑模型的6.26%、4.65%、4.88%和3.72%;稍高于以误差平方和最小为原则构建的线性组合预测模型的2.86%。用2006～2008年黑龙江省农机总动力进行检验预测,结果表明该模型可以有效地提高农机总动力的预测精度,用该模型预测了黑龙江省2009～2015年农机总动力。预测结果表明,在未来几年黑龙江省农机总动力将保持快速增长趋势,到 相似文献
11.
分析混合涡轮增压技术的原理,并根据废气能量的不平衡性提出了混合涡轮增压系统稳态工况的电机控制模型.针对神经网络具备非线性映射的特点,提出了采用GRNN神经网络解决车用混合增压发动机的非线性控制映射问题.设计了混合涡轮增压发动机控制系统的GRNN神经网络,测试结果表明网络预测映射误差能保持在1.5%之内,收敛速度也非常快.GRNN神经网络非常适合混合涡轮增压发动机的控制映射. 相似文献
12.
RBF与GRNN神经网络模型在河流健康评价中的应用 总被引：2，自引：0，他引：2
崔东文 《中国农村水利水电》2012,(3):56-61
利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。 相似文献
13.
农村区域发展对水环境质量有重要的影响。结合研究区域的特点,总结影响该区域发展的因素,利用格兰杰因果检验法分析区域发展因素与水环境质量之间的非线性关系,并筛选出经济、社会、人口等影响水环境质量的关键性因素（超前指标）,在此基础上引入BP神经网络模型,分析区域发展与水环境质量之间的映射关系,建立广西农村区域发展与水环境质量响应模型,为广西水环境治理与保护决策提供依据。研究表明：广西农村区域发展的经济社会因素中,农林牧渔总产值、农村人口、化肥使用量是影响水环境的关键性因素。利用BP神经网络,以关键性因素为输入,可以较好的预测水环境的质量,预测精度较高,预测速度快,预测误差较小。 相似文献
14.
融合ARIMA模型和GAWNN的溶解氧含量预测方法 总被引：3，自引：0，他引：3
针对河流污染治理、水源管理,提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据,分解为线性和非线性序列,线性数据使用ARIMA模型预测,使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系,采用小波神经网络（WNN）获得预测值,并采用遗传算法的选择、交叉、变异等操作优化网络参数,比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络（GAWNN）和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%,提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明,该组合模型优于单个模型和传统组合模型的预测结果。 相似文献
15.
16.
采用主成分分析法筛选出显著的驱动因子,结合灰色关联分析将筛选出的驱动因子进行灰色聚类和优势分析.以用水量驱动因子为基础,利用SPSS建立多层感知器网络,利用矩阵实验室建立GRNN神经网络和BP神经网络.将诱导有序加权平均算子(IOWA)应用到水量预测模型中,构建基于IOWA算子的MLP-GRNN-BP组合用水量预测模型,最后建立由平方和误差(SSE)、均方误差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方百分比误差(MSPE)和Theil系数(μ)组成的预测效果评价体系,评价预测模型的预测效果,最后以重庆市的用水量预测为例,验证以上方法的可行性.结果表明:经过主成分分析及灰色关联分析,可将用水量驱动因子由31个降为12个, 12个驱动因子可综合为4个聚类,可确定4种用水量的各自驱动因子的重要性排序;BP, MLP, GRNN和MLP-GRNN-BP组合模型预测结果的MAPE,MSPE和Theil系数均在5%以内. 相似文献
17.
18.
针对机采棉中残地膜与棉花分离容易受到残地膜质量、机采棉飞入速度及强静电场电压等因素的影响,提出一种机采棉清杂过程中棉花与残地膜运动规律的预测方法。以南疆机采棉新陆早26号为研究对象,利用棉花与残地膜之间的分离率来表征运动规律。利用残地膜质量级别(1、2、3、4级)、荷电后的机采棉飞入速度(9、10、11、12m/s)、强静电场电压(30、40、50、60k V)3个因素作为BP神经网络模型的输入量,再利用改进的遗传算法训练所设计的网络的权值和阈值,建立能表征机采棉运动规律的分离率的预测模型。试验结果表明:利用改进遗传算法结合BP神经网络得到的机采棉与残地膜分离率预测模型能够很好地反应新陆早26号机采棉与残地膜分离应力与主要控制因素之间的非线性关系,预测结果与实测结果之间的平均绝对百分比误差为0.8 2,测试的样本实测值与理想值之间的相关系数为0.9 1 7 5 1,所得到的预测模型效果良好,可为机采棉清杂提供参考。 相似文献
19.
为了探究适合全射流喷头多因素下射程的预测模型,通过改变喷头工作压力、安装高度、喷嘴直径、喷头仰角共4个参数,对射程进行测量.基于BP神经网络和广义径向基(RBF)神经网络的基本原理和算法,建立了全射流喷头射程预测的BP和RBF神经网络模型,并分析BP和RBF神经网络的预测性能.结果表明射程与工作压力、喷嘴直径呈非线性关系;当喷头在1.2 m安装高度、27°仰角、4~10 mm喷嘴直径时,压力增大到0.4 MPa,射程趋于极限,并且安装高度与射程呈正相关关系.BP与RBF神经网络均能较好地表达全射流喷头射程与主控因素之间的非线性关系.在训练时间方面,RBF网络比BP网络慢8.05 s;预测过程中,BP网络在每次运行程序时的预测结果不一定相同,而RBF网络则不会出现此问题,且RBF网络预测值与实测值之间的平均绝对误差比BP网络的小3.55%.从网络预测总体效果观察,RBF神经网络预测喷头射程具有更好的推广能力. 相似文献