共查询到20条相似文献，搜索用时 328 毫秒
1.
基于贝叶斯正则化BP神经网络的日光温室温度预测模型 总被引：3，自引：0，他引：3
《湖北农业科学》2015,(17)
针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。 相似文献
2.
本文采用主成分分析方法,对40项影响春柞蚕产量的气象因子,进行线性和非线性相关的优选。选定与其相关密切的因子及相应的曲线类型,再与产量相关最密切的多个因子进行主成分分析,找出贡献率较大的几个主成分,确定几个主要影响因子,并建立产量与主成分的最优回归方程。从而了解并掌握了春柞蚕产量受主要气象因子影响的规律,为提高春柞蚕产量提供了科学依据。 相似文献
3.
选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。 相似文献
4.
为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012—2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究。通过相关性分析选取时段初墒值W_0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析。结果显示:PCARBF神经网络模型精度最高,平均精度达到96.8%,线性回归模型和BP神经网络模型分别为94.6%和95.7%。研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测。 相似文献
5.
基于偏相关分析的烟台市土壤温度影响因素及预测模型研究 总被引：5，自引：1，他引：4
根据烟台市气象局2005年的气象数据,利用偏相关分析方法分析了表层土壤温度与相对湿度、绝对湿度、大气温度、平均风速、日照时数、降水量6个气象因子之间的相关性,进而建立了基于相对湿度、日照时数、大气温度、绝对湿度4气象因子的多元线性回归模型和BP人工神经网络模型。结果表明：在6个气象因子中,相对湿度、日照时数、大气温度、绝对湿度与土壤温度存在极显著相关关系,平均风速、降雨量与土壤温度相关关系不显著;晴天时,BP神经网络模型的决定系数R^2为0．9740,多元线性回归模型的决定系数R^2为0．9739;阴天时,BP神经网络模型的决定系数R^2为0．9881,多元线性回归模型的决定系数R^2为0．9877,因此建立的神经网络模型具有很高的精度,能很好地满足土壤温度的预测要求。 相似文献
6.
基于人工神经网络算法对水稻需水量的预测 总被引：1，自引：0，他引：1
水稻需水量预测是节水灌溉规划的基础,由于BP神经网络在解决多参数非线性问题表现出极强的自适应能力,从而可以科学准确预测需水量。本研究从多个影响因子分析出发,得到了BP神经网络模型,并结合实际数据进行了检验。试验结果表明,该模型能够较好地反映气象因子与水稻需水量之间的关系,预测精度高。 相似文献
7.
[目的]分析江苏省河蟹养殖业竞争力,为全面提升江苏省河蟹养殖业提供参考.[方法]建立河蟹养殖业竞争力评价指标体系,采用因子分析法对江苏省与全国其他14个省(直辖市)河蟹养殖业竞争力进行比较分析.[结果]在15个省(直辖市)中,江苏省河蟹养殖业竞争力排名第1.在河蟹养殖业竞争力形成过程中资源因素起着主要作用,其次是生产能力因素,第三是发展潜力因素;这3个主因子的权重相差不大,在江苏省河蟹养殖业竞争力形成中均比较重要.[建议]政府可以通过拨款的方式建设水产技术推广机构和水产养殖示范场来增强江苏省河蟹养殖业在第一主因子(资源因素)方面的竞争力;通过加强区域水产养殖业的整体发展带动水产加工企业和水产冷库的发展来增强江苏省河蟹养殖业在第三主因子(发展潜力因素)方面的竞争力.此外,江苏省可通过推广先进河蟹养殖技术、加大质量监管力度、注重河蟹苗种的生产和销售、宣传河蟹文化和发展河蟹深加工业等途径来保持和增强江苏省河蟹养殖业在第二主因子(生产能力因素)方面的竞争力. 相似文献
8.
9.
粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。 相似文献
10.
基于MATLAB神经网络的水稻需水量的预报模型 总被引：2，自引：2，他引：2
作物需水量的预测是进行水资源规划和管理的有效手段。它与气象因子之间存在着严重的非线形关系。建立4个输入单元和1个输出单元的三层BP网络，选取不同的隐层结点数进行训练，并通过比较其相对误差的大小确定了神经网络的结构。利用MATLAB环境．提出基于BP神经网络的水稻需水量预报模型，并结合实际数据进行了检验。结果表明：该方法能够较好地反映气象因子与水稻需水量之间的关系，收敛速度快，预报精度较高。 相似文献
11.
稻田养蟹"盘山模式"的水温特征分析 总被引：4，自引：0，他引：4
[目的]研究稻田养蟹＂盘山模式＂的水温特征。[方法]利用稻田养蟹＂盘山模式＂中水田温度和气象监测资料,分析了该模式中不同深度的水温随天气变化的特征,同时结合试验基地2009年的河蟹和水稻的生产效益,讨论了水温变化给河蟹生态养殖带来的效益。[结果]盘山稻田养蟹模式无论在晴天或雨天均能够在一定程度上很好地改良河蟹最重要的生存环境因子之一——水温,扩大了河蟹生存活动的垂直空间。[结论]为实现水稻增产、河蟹养成规格增大提供保障。 相似文献
12.
13.
气候变化是影响小麦产量的重要因素,因此科学划分气候年型,对于准确预测小麦产量至关重要。利用河南省15个气象站点（市、县）1984—2018年的温度数据划分暖温年、平温年、冷温年,依据降雨数据划分湿年、平水年、干年,组合成9种气候年型并分析其规律;结合小麦产量数据划分出丰产年、平产年、低产年,分析气候年型和产量年型的关系。然后结合地形土壤、气象等因素把河南划分为豫北麦区、豫中东部麦区、豫西麦区、豫南麦区和南阳盆地5个麦区。在此基础上,利用HP滤波法分离出气象产量和趋势产量,以气象因子驱动并利用BP神经网络构建模型预测气象产量,利用一元线性回归模型建模得到趋势产量,把两者产量叠加得出实际产量,从而实现小麦产量的预测。结果表明：河南省积温年型以暖温年、正常年型为主,降雨年型分布比较均匀,气候年型中以正常年和干年为主,暖湿年小麦高产频率最高,为76.9%,冷湿年小麦低产频率最高,为67.9%;积温是影响小麦产量波动的主要因素,暖年年型下小麦更容易丰产,冷年时小麦低产概率较高;利用气象产量和趋势产量分别建模叠加得出的小麦产量和实际产量相比,豫北、豫中东、豫西、豫南和南阳盆地五大麦区各模型的平均相对误差分别为0.31%、0.36%、0.58%、0.48%、0.38%,说明利用HP滤波和BP神经网络技术预测小麦产量是可行的。 相似文献
14.
研究了气象因子对湖北襄阳地区虾蟹养殖产业的影响,以期为襄阳地区虾蟹养殖生产提供参考。利用襄阳地区近30年气象统计资料分析了与虾蟹养殖生长发育相关的6个主要气象因子（温度、日照、阴雨、暴雨、风力和气压）年度变化趋势,探讨了襄阳地区虾蟹养殖潜在的气象风险,以便于合理利用气象预报预警达到防灾减灾的目的。结果表明：襄阳地区温度适宜、雨水丰富、气候温润、日照充足、气象灾害相对较少为虾蟹养殖提供了良好的气候条件。笔者通过分析了襄阳地区温度变化的规律,结合气温与水温的关系确定了襄阳地区虾蟹养殖的最佳放苗时期（清明节后）和最佳捕捞时期（霜降之前）,同时探讨了低温阴雨、日照时数、连续暴雨、大风雷暴等气象因子对襄阳地区虾蟹养殖的影响,提出了相应的预防措施和防御对策。本研究有助于为当地气象部门根据虾蟹养殖周期作好中长期天气气候预测和短期天气预报预警服务提供理论依据,渔民应高度重视气象部门预警信息,积极主动防御来尽量减轻气象灾害造成虾蟹养殖损失。 相似文献
15.
介绍了2000—2009年舟山市蟹笼渔业的捕捞力量与产量、产值的发展概况,主要生产渔场、渔期及渔获物组成的变化。分析研究了10年来蟹笼渔业产量变化的缘由,探讨了蟹笼渔业对三疣梭子蟹资源衰退的影响,并对舟山市蟹笼渔业存在的问题,提出了相应的管理建议。 相似文献
16.
预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较 总被引：4，自引：0，他引：4
文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。 相似文献
17.
运用主成分分析与人工神经网络相结合的方法预测哺乳动物蛋白质氧链糖基化位点。以各种窗口长度(N=5,7,9,11,21,31,41,51)的哺乳动物蛋白质序列为研究对象,首先分析蛋白质序列的结构特点,以主成分分析法(PCA)提取主成分,降低样本向量的维数,消除样本向量各分量之间的相关性;然后用一个含单隐层并且输出层只有一个神经元的BP神经网络对氧链糖基化位点进行预测,以确定蛋白质序列中的丝氨酸残基或苏氨酸残基是否糖基化;最后用Matthews相关系数对预测结果进行评价。结果表明:①糖基化蛋白质中P、S、T和A的含量比非糖基化蛋白质中的含量高,S在N端和C端附近都易糖基化,而T在N端附近易糖基化;②提出的预测方法准确快速,预测准确率达65%~92.5%,Matthews相关系数在0.35~0.73之间。 相似文献
18.
阿尔泰山作为干旱区典型的山地系统,其土壤温度的日、月、季节和年际动态及其影响因素研究,是深入理解干旱区山地森林生态系统能量循环过程的关键所在。基于阿尔泰山森林生态站2014年11月-2019年7月的气象因子和土壤温度数据,应用相关分析、回归分析和BP人工神经网络分析了阿尔泰山5、10、20 cm和30 cm深度土壤温度的动态变化及其对气象因子的响应,同时,应用多元线性回归和BP人工神经网络对土壤的温度进行了模拟。结果表明:1）近5 a各层土壤温度月均值年际变化一致,最低最高温度和日较差最大值均出现在20 cm,仅30 cm土壤温度的月变化出现自表层至深层滞后现象,年内月较差最大值出现在30 cm深度;各土壤层温度在春夏秋季变化较大,冬季变化较小;2）空气温度、气压和太阳辐射等与土壤温度的相关性达到极显著水平,其中与空气温度的相关性最强;3）回归模型和BP人工神经网络对20 cm土壤层的模拟结果最好,且BP人工神经网络模型的性能总体上优于回归模型。 相似文献
19.
准确、可靠的地面气象资料是气象和地球相关学科研究的重要基础,是提高气候预测水平的重要前提,为使气象观测数据具有更好的代表性、准确性和比较性,地面气象资料预警系统在地面气象资料数据入库之前,需进行一系列的数据质量控制,控制方法除了传统的极值,时间、空间、内部一致性检查之外,还包括数据挖掘中的BP神经网络算法。此外,系统设计过程包括后台数据库结构、前台入库及预警系统设计,该系统采用了多线程操作机制进行气象资料解析入库,提高了数据处理效率及预警信息的准确性,同时通过图形化的界面展示预警信息,这在日常生活、农业生产及社会稳定等方面都有重要的意义。 相似文献
20.
光谱技术实现了桃树叶片SPAD(soil and plant analyzer development)值的监测,使用基于主成分分析(principal component analysis,PCA)的BP神经网络算法建立桃树叶片SPAD值光谱估算模型。分析各生育期桃树叶片SPAD值的变化及其与叶片光谱的相关关系,分析5种红边参数与SPAD值的相关性,选取相关性较高的3种红边参数,分别与SPAD值进行单因素建模;然后把红边参数和SPAD值用主成分分析、基于PCA-BP神经网络算法建模,并对估算模型进行验证,结果表明:1)5-9月,桃树叶片SPAD值呈先上升后下降的变化特征,8月达到最大;2)4个生育期所建立的3种模型均通过0.01显著性检验,其中6月估算SPAD值的模型,建模精度和验证精度均最高, R 2≥0.814;3)各生育期桃树叶片SPAD值在单因素模型中,以红边位置建立的模型估算和预测精度最高;4)各个生育期中,基于PCA-BP神经网络模型的估算效果最好,建模精度和预测精度最高, R 2最高分别为0.938和0.974;主成分分析模型次之,单因素模型最低。因此,基于红边参数建立的PCA-BP神经网络反演模型能进行桃树叶片SPAD值的准确估算,为桃树叶片叶绿素含量监测提供理论依据。 相似文献