共查询到18条相似文献，搜索用时 203 毫秒
1.
基于BP神经网络的土壤重金属污染评价方法——以包头土壤环境质量评价为例 总被引：4，自引：0，他引：4
为了克服国标(GBl5618—1995)内梅罗综合污染指数评价土壤环境质量时存在的缺点,借助BP神经网络模型,并结合GIS技术对包头土壤重金属污染的空间分布进行研究。实地调研获得221个土壤样,利用原子荧光光谱法和等离子体质谱法测试得到8种重金属含量数据。统计结果表明,研究区主要为Pb、Zn污染,考虑研究区特异性构造神经网络学习样本,建立基于特征模式的BP神经网络土壤环境质量评价模型。根据采样点评价结果,利用Kriging插值法绘制包头土壤环境质量专题图,分析得出包头土壤环境呈沿昆都伦河被污染的条带特点。结果表明,根据采样统计量信息利用BP神经网络模型,能够有效建立特殊研究区土壤中各种重金属含量与环境质量之间的非线性映射关系,为土壤污染的来源、分布、累积效应和主要影响因素以及污染链的阻断提供依据。 相似文献
2.
《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
3.
4.
提出了适合农业电子商务网站的评价指标体系。建立农业电子商务网站的BP神经网络评价模型,通过BP神经网络对数据进行训练、测试,对提出的评价指标体系进行了验证。通过对结果的分析发现,建立的基于BP神经网络的评价模型在农业电子商务网站评价中具有可行性,在网站建设方面具有较强的参考价值。 相似文献
5.
北京郊区小麦测土施肥技术的研究——土壤养分丰缺指标法在小麦测土施肥中的应用 总被引：1，自引：1，他引：1
土壤养分丰缺指标的建立及养分丰缺等级的划分是测土施肥工作的基本环节.田间相关研究表明,对于京郊潮土类土壤,最好的土壤有效磷提取剂是0.5M碳酸氢钠.小麦植株的相对吸磷量与用此法测定的土壤有效磷含量之间的相关系数可达0.810;酸性提取剂如盐酸氟化铵等不适于本地区土壤.土壤有效钾的提取剂可用1N醋酸铵,土壤碱解氮含量测定值与小麦相对产量间有中等程度的相关.用上述各种提取剂对潮土类土壤中氮磷钾养分进行测试,并与小麦的相对产量进行校验,就可得出潮土类土壤中氮磷钾养分含量丰缺的等级.根据土壤有效磷的丰缺等级,将多点肥料效应试验数据进行归类,得出各个丰缺等级的肥料效应方程,可以用来对小麦施肥进行推荐. 相似文献
6.
利用神经网络提取棉花叶片数字图像氮素含量的初步研究 总被引：9，自引：0，他引：9
选取6种输入向量组合，利用线性网络、BP网络以及径向基网络等3种神经网络模型进行比较研究，筛选最适宜网络模型和最佳输入组合，建立叶片数字图像彩色信息和叶片氮含量的关系模型，探索利用神经网络技术获取叶片数字图像信息的方法。结果表明，径向基网络在利用数字图像(B，H，G-R，G/R)指标作为网络输入向量时，能够实现获取棉花叶片数字图像氮含量的目标。径向基网络训练的180组样本的训练精度均达到极显著水平（r = 0.9022**），30组测试样本的预测值与实测值也达到极显著相关（r = 0.8674**），径向基网络和(B，H，G-R，G/R)向量是一种适合本研究的数学模型。对利用神经网络提取棉花叶片数字图像氮含量技术的初步探索，拓展了神经网络和数字图像技术在农业生产中的应用。 相似文献
7.
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
8.
9.
以玉米为原料进行挤压试验,开发基于双螺杆挤压的玉米膳食纤维改性的BP神经网络预测模型。此网络模型以螺杆转速、喂料速度、含水量和机筒温度为输入单元,以糊化度、吸水性(WAI)和水溶性(WSI)为输出单元,拥有一个8单元的隐含层。网络输出和目标输出之间的相关系数为0.984 46,预测误差小于10%,具有较好网络性能,能够实现对玉米糊化度、吸水性和水溶性等挤压性能的预测。进一步开发人机交互图形化用户界面设计(GUI),方便预测模型的应用。 相似文献
10.
雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和BP神经网络模型,并于翌年进行BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集(17)和确认集(3)数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。（1）BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;（2）BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;（3）BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。 相似文献
11.
12.
Stratification and Bearing Capacity Prediction Method Based on BP Neural Network for Foundation in Huaibei Plain 总被引：1，自引：0，他引：1
According to the features of stratification and obvious inhomogeneity in geological soil in Huaibei plain, BP neural network prediction method for stratification and bearing capacity calculation of multiple cross-bedded foundation was proposed. By comparing the results of drill sampling, static cone penetration tests and screw plate tests, plate loading tests, penetration resistance ps value was found as an evaluation index for stratification and bearing capacity prediction of cross-bedded foundation. Moreover, gradient descent algorithm and conjugate gradient algorithm BP neural network models were obtained, and the calculation results of the two algorithms were comparatively analyzed. The results show that penetration resistance value can be taken as an evaluation index for stratification and bearing capacity prediction of cross-bedded foundation in Huaibei plain. Gradient descent algorithm and conjugate gradient algorithm BP neural network models have good results for soil identification and bearing capacity determination, which can meet the accuracy requirements of actual engineering. However, the computational efficiency of gradient descent algorithm is significantly lower than that of conjugate gradient algorithm. 相似文献
13.
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
14.
BP人工神经网络在土地集约利用评价中的应用研究——以浙江省遂昌工业园区为例 总被引：1，自引：0，他引：1
为了探索土地集约利用评价的新途径,笔者尝试运用BP人工神经网络模型及实证分析的方法对浙江省遂昌工业园区的土地集约利用水平进行评价。研究结果表明,遂昌工业园区的土地集约利用程度在浙江省处于中下水平,导致集约度偏低的主要原因在于土地建成率不高,工业用地产出强度和固定资产投入强度偏低。并得出以下研究结论,BP人工神经网络体现了土地集约利用评价的科学性与合理性,能很大程度上避免人为因素对评价结果的影响,具有很强的实际应用价值。 相似文献
15.
MDBPSO算法优化的全波段光谱数据协同冠层SIF监测小麦条锈病 总被引：1，自引：0，他引：1
为了从全波段光谱数据中提取对小麦条锈病敏感的特征参量,提高小麦条锈病遥感探测模型的运行效率和精度,本文首先从惯性权重和粒子更新方式两个方面对传统离散粒子群算法(discretebinaryparticleswarmoptimization, DBPSO)进行改进,利用改进离散粒子群算法(modified discrete binary particle swarm optimization, MDBPSO)从全波段光谱数据中优选遥感探测小麦条锈病严重度的特征变量,然后与冠层日光诱导叶绿素荧光(solar-inducedchlorophyllfluorescence,SIF)数据相结合作为自变量分别利用随机森林(randomforest,RF)和后向传播(backpropagation,BP)神经网络算法构建小麦条锈病遥感探测模型,并将其与相关系数(correlationcoefficient,CC)分析法和DBPSO算法提取特征参量构建模型的精度进行对比分析。结果表明:(1) MDBPSO算法比传统DBPSO算法具有更快的收敛速度和更高的寻优精度,改进前后其迭代次数从395次减少到156次,最优适应度函数(optimumfitnessvalue,OFV)值从0.145减小到0.127。(2)采用MDBPSO算法选择特征变量时,RF和BP神经网络两种方法构建的模型精度均高于CC分析法和DBPSO算法,其中RF算法预测病情指数(diseaseindex,DI)值和实测DI值间的检验集决定系数(validation set determination coefficient, R2V)比CC分析法和DBPSO算法分别提高了9%和3%,均方根误差(validation set root mean square error, RMSEV)分别降低了28%和11%, BP神经网络算法预测DI值和实测DI值间的R2V比CC分析法和DBPSO算法分别提高了13%和6%,RMSEV分别降低了21%和10%,利用MDBPSO算法优选特征参量能够提高小麦条锈病的遥感探测精度。(3)在MDBPSO、DBPSO和CC分析法3种特征选择算法中,RF算法构建的模型精度均高于BP神经网络算法,其中RF模型预测DI值和实测DI值间的R2V比BP神经网络算法至少提高了7%,平均提高了9%,RMSEV至少降低了15%,平均降低了20%。以MDBPSO算法优选的特征参量为自变量利用RF方法构建的小麦条锈病遥感探测的MDBPSO-RF模型是小麦条锈病遥感探测适宜模型,该研究结果为进一步实现作物健康状况大面积高精度遥感监测提供了新的思路。 相似文献
16.
为解决烟叶化学品质现有组合评价方法的不足，探讨离差最大化组合评价法与BP神经网络相结合进行评价。选取4种典型单一评价法，首先采用改进熵权法和AHP法确定指标权重，然后根据离差最大化原理计算组合评价值，最后利用BP神经网络对组合评价值进行反演。结果表明，离差最大化组合评价值与单一评价法相关性较其他组合评价法更高，平均相关系数为0.9822;BP神经网络对组合评价值有较高的预测准确性与稳定性，预测值与实际值相对误差不超过3%，决定系数大于0.9900。说明，离差最大化组合评价法对单一评价法的组合效果更好，BP神经网络提高了组合评价的便捷性。 相似文献
17.
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
18.
根据瞬变电磁场理论公式中的响应和自变量之间的关系特点,提出用非线性方程模式的BP神经网络求解电阻率。通过构造单输入单输出网络结构,建立以不同时间点上的电流归一化的感应电压值为输入、视电阻率值为输出的神经网络,来拟合瞬变电磁场的二次涡流曲线。利用数值方法计算出的数据验证该训练网络的精确性,比较了不同算法对训练精度和收敛速度产生的影响。以重庆大学某处的防空洞探测实验为例验证了该算法的有效性,该算法避开具体的复杂电磁场计算或数值反问题计算,从而实现电阻率快速计算,为快速成像准备必要条件。 相似文献