共查询到19条相似文献，搜索用时 250 毫秒
1.
基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型 总被引：1，自引：0，他引：1
利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。 相似文献
2.
高质量的网络模型要求输入因素或输出因素之间尽可能不相关,以达到精度较高的预测模型的目的。建立了主成分分析法与神经网络结合的采矿方法优选模型,对神经网络的输入数据进行主成分分析。研究结果表明:该方法弥补了以往利用BP网络进行采矿方法优选过程中,由于输入数据相关使得输出数据精度下降的缺陷,使输入数据不相关,且减少了输入数据,消除了由于BP网络输入数据太多而影响数据处理速度的弊端,可使预测精度大大提高。 相似文献
3.
基于直连BP神经网络模型的森林火险预测 总被引：1，自引：0，他引：1
传统的BP神经网络模型(BPNN)用于森林火险预测存在预测精度低、泛化能力差等不足。选取温度、相对湿度、风速以及日降水量4个气象因子作为神经网络的输入,林火是否发生作为输出,提出一种改进的网络结构—直连BP神经网络(BPNN-DIOC)以构建森林火险预测模型。该结构在传统BP神经网络模型的基础上加入了从输入到输出的连接。为了探究该网络的有效性,根据输入层到输出层是否有连接,输出层是否有阈值,分别构建了4个不同的网络模型,并以森林火灾发生较少的太原市和森林火灾发生较频繁的桂林市为例进行验证。模拟结果表明,BPNN-DIOC模型的预测精度高于BPNN模型;它不仅能够适用于火险发生较频繁的地区,也能够很好的用于火险发生较少的地区,具有良好的通用性,而输出层是否有阈值对预测效果并没有明显的影响。 相似文献
4.
5.
基于人工神经网络预测广东省森林火灾的发生 总被引：7，自引：0，他引：7
应用人工神经网络建立热带森林火灾发生情况预测的多层神经网络模型,并将林火发生影响因子的历史数据作为样本值,输入模型进行训练。结果表明:利用所选取的输入因子作为样本的人工神经网络,可以对林火的发生发展作出准确有效的预测。文中还对模型的准确性和训练精度进行讨论,进而分析人工神经网络在林火预测中的可行性,证明人工神经网络在林火预测中的应用价值。 相似文献
6.
动态数据驱动的林火蔓延模型适宜性选择 总被引：1，自引：0，他引：1
基于BP人工神经网络方法设计林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建林火模型选择神经网络模型;研究输入、输出因子数据的获取与计算方式,实现动态数据驱动的林火模型自动选择机制.以北京市为例,选择有详细火场情况记录的72场林火作为试验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行学习和验证,结果表明:模型选择精度可达到80%以上. 相似文献
7.
苏颜丽 《林业机械与木工设备》2001,29(2):20-22
通过程序将采用不同方法的建筑机械市场预测组合在一个计算与输出系统内，为动态评估提供了较为理想的方法。同时，重点介绍几种常用预测方法教学模型的建立过程及编程技巧，并论述了图形输出系统的作用、动态参数自适应过程以及参数集设置问题，达到预测图形输出自动化。 相似文献
8.
对交叉口信号灯实现精确合理的动态控制对缓解交通压力有着积极意义,本文将多相位的单路口交通信号转换为两相位,提出一种交叉口信号设置设计。模型采用模糊控制方法,建立相关的隶属度函数及控制规则,针对检测到的车辆信息进行处理和决策,利用MATLAB中的fuzzy工具箱实现模糊控制器的搭建,达到以实时车流信息作为输入,切换信号灯的决策为输出,从而实现智能控制的目的。此外,设计了灰色神经网络预测模块,通过预测到的未来短时交通流修正隶属函数,从而提高控制的精确度和合理性。修正后数据显示,误差系数得到减小,得到的交通流输入更加合理,从而输出的决策更加准确。 相似文献
9.
通过测定人造板专用装饰纸表面的色泽参数(色度学参数和光泽度),对装饰纸表面色泽特征进行量化分析,并利用色泽参数的特征信息结合误差反向传播神经网络(BP神经网络)对装饰纸进行建模分类,探讨利用装饰纸表面的色泽参数进行装饰纸表面色泽特征分类。以色泽参数数据作为神经网络的输入变量,装饰纸类型作为神经网络的输出变量,建立三层BP神经网络模型,其中,隐含层的最佳节点数为9。结果表明:通过对色泽度参数的主成分分析,增加了光泽度参数后,各类装饰纸之间的独特性增强,更利于对装饰纸进行分类。利用色度学参数(明度指数L*,红绿轴色品指数a*和黄蓝轴色品指数b*)对装饰纸进行建模分类时,判别的总正确率为80.9%,引入光泽度参数之后判别的总正确率提高至92.9%,说明利用色度学与光泽度参数结合BP神经网络可以用于装饰纸表面视觉特征的量化分析以及快速识别分类。 相似文献
10.
11.
基于过程神经网络的木材生长轮密度预测 总被引：1，自引：0，他引：1
提出一种基于过程神经网络的木材生长轮密度长期预测方法.本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法. 相似文献
12.
By using the system-dynamic software package STELLA, a simulative study was conducted on the photosynthetic productivity and
change of the accumulated dry matter of wheat population, related to enhanced UV-B radiation that influences photosynthesis.
The effects of daily temperature and crop physiological age on the photosynthesis rate were considered comprehensively. Statistical
analysis was undertaken to assess the fitness between simulations and observations of accumulated dry matter by means of root-mean-square
error and relative error. Results show that there is no significant difference between simulations and observations, indicating
that the STELLA software is effective in imitating the growth. This software provides a new approach in establishing a simulative
model for crop growth under the conditions of various climate and environment. 相似文献
13.
BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model. 相似文献
14.
应用人工神经网络的原理和方法,结合主要林分因子建立林分出材率预测的多层神经网络模型。检验结果表明:所建立的预测模型,平均预测精度达到96.45%,可以对林分出材率作出准确有效的预测。 相似文献
15.
通过对1983—2010年马尾松毛虫发生数据特点的分析,应用相空间重构技术,将混沌理论和神经网络理论相结合,提出了1种基于混沌神经网络理论的马尾松毛虫有虫面积预测模型。结果表明,该模型有较好的预测能力,当输入层神经元个数(即嵌入维数)为7、隐含层神经元个数为15时,预测未参与建模的2009年越冬代、2010年第1代马尾松毛虫有虫面积的平均相对误差为12.50%。 相似文献
16.
利用不同地区5个典型马尾松种源，布置3种P水平的盆栽实验，研究马尾松应对低P胁迫时根系形态和干物质分配特征的种源差异。结果表明，P素胁迫的加重导致马尾松干物质积累量的下降和一些根系参数的减小，但植株地下部分的干物质分配量和根系形态参数的相对值却显著增加。低P胁迫下，种源间干物质积累量(包括植株各部分和总的积累量)和侧根数等根系参数差异显著。低P下干物质生产能力较强的福建武平种源对磷肥的敏感性较低，广东信宜和浙江淳安种源次之，类似于大田和水培实验结果。遗传相关分析揭示：侧根发达、须根数量多的种源干物质生产能力强。根体积、侧根数、侧根总长、须根总数等可作为筛选马尾松耐低P种源的有效指标。 相似文献
17.
Application of single neuron adaptive PID controller during the process of timber drying 总被引：5，自引：0，他引：5
ZHANGDong-yan LIUYa-qiu CAOJun 《林业研究》2003,14(3):244-248
The paper presents a method of using single neuron adaptive PID control for adjusting system or servo system to implement timber drying process control, which combines the thought of parameter adaptive PID control and the character of neural network on exactly describing nonlinear and uncertainty dynamic process organically. The method implements functions of adaptive and self-leaming by adjusting weighting parameters. Adaptive neural network can make some output trail given hoping value to decouple in static state. The simulation result indicates the validity, veracity and robustness of the method used in the timber drying process 相似文献
18.