共查询到18条相似文献，搜索用时 111 毫秒
1.
为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性. 相似文献
2.
基于物联网的浮标水质监测系统与溶解氧浓度预测模型 总被引：2，自引：0，他引：2
为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。 相似文献
3.
以往水面蒸发预测模型存在针对性不强、结构复杂的问题,同时指标筛选的过程存在很大的主观性,针对这些问题提出改进的BP神经网络模型。使用灰色关联法计算出各个预测因子与被预测因子的关联度,使用指标信息评价法根据算得的关联度确定最优预测因子组合,根据筛选出的预测因子,定出BP神经网络结构并以筛选出的预测因子为输入进行演算。预测结果合格率为70%。说明改进的BP神经网络模型适用性强。 相似文献
4.
课题组进行实际道路跟驰实验,利用GPS采集跟车驾驶行为数据。以GPS采集到的车辆行驶轨迹数据为基础,提取前车车速、相对距离、前车对后车的相对速度以及后车车速作为输入,后车下一时刻的车速作为输出,建立BP神经网络跟驰模型,并使用遗传算法（GA）对BP神经网络跟驰模型进行优化。结果表明,GA-BP神经网络模型与BP神经网络模型对比,GA-BP神经网络跟驰模型预测性能的各个评价指标都优于BP神经网络跟驰模型。 相似文献
5.
基于GA-BP神经网络的池塘养殖水温短期预测系统 总被引：1，自引：0，他引：1
为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。 相似文献
6.
利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型。结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力。对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的均值绝对误差为BP神经网络均值绝对误差的40%,GA-BP神经网络具备更好的预测性能。 相似文献
7.
基于IPSO优化BP神经网络的蛋鸡舍有害气体监测系统 总被引：1，自引：0，他引：1
为实现蛋鸡养殖过程有害气体浓度监测,改善复杂环境下常用气体传感器之间因存在交叉敏感性而导致测量数据不准确的问题,设计了基于IPSO优化BP神经网络模型的有害气体监测系统。选用无线ZigBee模块、传感器模块和STM32模块,搭建了蛋鸡舍各点数据采集硬件平台,利用GPRS远程通信模块将平台采集到的数据传输至服务器,同时开发手机APP软件,对有害气体进行实时监测。利用权重线性递减及改进学习因子的IPSO算法,对BP神经网络进行优化,利用优化后的网络对气体传感器采集到的数据进行处理,有效提高了有害气体的数据精度。利用该系统对河北省保定市某鸡舍有害气体进行测试实验,将传感器测量值与真实值进行对比分析,验证了利用IPSO优化BP神经网络模型的有效性。测试表明,SGP30型二氧化碳传感器测量精度由81.75%提升到94.69%,MQ135型氨气传感器由61.83%提升到91.23%,MQ137型氨气传感器由70.18%提升到91.23%,MQ136型硫化氢传感器由62.35%提升到92.80%,TGS2602型硫化氢传感器由62.97%提升到92.80%。本研究为蛋鸡养殖过程中有害气体的精确监测提供了新方法。 相似文献
8.
为研究确定四川省冕宁县山洪灾害临界雨量,及时采取减灾避灾措施,根据冕宁县14个雨量站和气象站的资料,选取山洪灾害发生的关键因子:日时段降雨量和降雨强度,建立BP神经网络预测模型.然后用遗传算法对BP神经网络的权值和阈值进行优化,建立GA-BP预测模型.与BP预测模型相比,GA-BP预测模型能有效克服BP模型训练时间长,易陷入局部最优的缺陷,在临界雨量预测精度方面,GA-BP模型预测的平均相对误差为1.96％,而BP模型预测的平均相对误差为7.22％,明显提高了预测精度.这一临界雨量预测方法与结果,进一步修正完善后将试用于冕宁县山洪灾害监测预警系统. 相似文献
9.
混合遗传神经网络在边坡稳定性评 总被引：4，自引：1，他引：4
将改进的遗传算法与BP神经网络相结合，分析了边坡稳定性的影响因素，建立边破稳定性评价的神经网络模型。分别用改进的遗传算法和自适应BP算法对网络权值进行全局优化和局部二次优化。选用边坡实例对网络进行训练检验，结果表明，混合遗传神经网络提高了训练速度和泛化能力，对边坡稳定性分析有较好的适用性，为边坡稳定性评价提供了依据。 相似文献
10.
生物质直燃发电是目前应用最广、规模最大的生物质能利用方式。然而由于生物质种类繁多、理化性质多变、燃烧不稳定，使得发电量难以准确预计，这为电网调度、安全运行带来隐患。为此，提出一种基于互信息参数优化BP神经网络的生物质发电量预测模型。从生物质电厂收集发电量以及物料参数、锅炉参数、汽机参数、环境参数等实际生产数据，采用平均影响值分析、相关分析和互信息分析对发电量的影响因素进行优化选择，并利用电厂实际数据建立BP神经网络模型。测试结果表明，采用优化影响因素建立的神经网络模型预测误差大幅度降低，其中互信息分析优化效果最佳，平均预测误差从未优化模型的4.59%降至0.66%，且进一步优化神经网络参数后，平均预测误差降至0.50%。 相似文献
11.
基于分布式对象的蛋鸡舍设施养殖数字化智能监测系统 总被引：1，自引：0，他引：1
为了在非人为干扰条件下,可实时监测预警蛋鸡生产环境和生产过程,保障动物福利,本文基于可被远程调用的分布式对象的3Tiers物联网软件体系结构,将传感器技术和云技术结合在一起,设计了蛋鸡舍设施养殖数字化智能监测系统。3Tiers物联网软件架构考虑了大量的异构数据集成和对传感器设备的监测、远程交互性能的需求,满足了本研究中对规模化蛋鸡生产过程的研究要求。系统实现了规模化蛋鸡舍的实时生产环境参数采集和视频监控、生产资料管理、生产过程管理、基础信息管理、统计管理、预警设置管理、系统管理和推送管理功能。考虑到温热环境对蛋鸡健康福利和生产性能有着重要的影响,利用系统中的大量环境数据,对中国农业大学上庄实验站大鸡舍内的小气候环境舒适度进行评价,并结合产蛋率、死淘率和耗料,在黄山养殖场对环境舒适度评价进行了验证。通过对上庄鸡舍24 h周期内和2016年11月—2017年4月的环境情况进行分析,结果表明实验蛋鸡舍内的小气候环境温湿指数始终小于70,蛋鸡群始终处于舒适区;而通过对养殖场鸡舍2016年7—10月份的环境数据和生产数据进行分析,验证了当蛋鸡处于舒适区时,产蛋率提升,死淘率下降,耗料更接近标准。 相似文献
12.
为提高蛋鸡产蛋率预测效果,采用改进神经网络算法。首先依据神经网络误差与动态因子来优化神经网络权值,神经网络自适应学习速率在算法运行前期较大从而加快学习,后期迅速减小,加速收敛,减小误差,提高网络训练精度;接着神经网络的激活函数采用修正线性激活函数ReLu,使得计算速度加快;然后建立预测模型以及产蛋率预测评价指标;最后给出蛋鸡产蛋率预测流程。试验仿真显示:本文算法对蛋鸡产蛋率预测接近实际值,相关系数相比SVM、ELM、NN、PSONN、ACNN分别提高0.58%、0.48%、0.40%、0.28%、0.23%,均方误差相比SVM、ELM、NN、PSONN、ACNN分别减少5.89%、4.92%、3.93%、2.67%、1.81%,优于其他算法,为蛋鸡产蛋率预测提供新的思路与方法。 相似文献
13.
针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。 相似文献
14.
基于IPSO-BP模型的粮食产量预测方法研究 总被引：1，自引：0，他引：1
针对粮食产量预测的复杂性,以基本微粒群算法(PSO)为基础,引入繁殖和变异机制,提出一种改进的微粒群算法(IPSO)优化BP神经网络的连接权值和阈值。综合考虑影响粮食产量的有关因素,构建出IPSO-BP的粮食产量预测模型,并以江苏省1978—2018年的粮食产量及影响其产量的10个因素作为数据集进行仿真试验。试验结果表明,与基本PSO-BP神经网络模型及BP神经网络模型相比,基于IPSO-BP神经网络模型获得的2016年、2017年、2018年粮食产量预测结果最优相对误差分别为0.24%、0.25%、0.06%,平均相对误差0.76%、0.67%、0.38%,该模型的预测精度及稳定性大幅提高。 相似文献
15.
针对BP神经网络在解决复杂非线性问题时,存在初始权值和阈值随机赋值,网络学习速度慢,局部极小的问题,运用群体搜索能力强的思维进化算法(MEA),寻找出最优的初始权值和阈值,优化BP神经网络的网络结构,建立MEA-BP神经网络的土壤养分等级评价模型。以敦化市黑土的土壤养分数据作为测试集,评价指标选用土壤的有机质、全氮、速效氮、速效磷和速效钾。对比MEA-BP网络预测模型、遗传算法(GA)优化BP网络预测模型和单一的BP网络预测模型,结果表明MEA-BP网络预测模型的均方误差(MSE)最小、决定系数(R^2)最接近1和误差波动最小,可以更准确地反映土壤养分分级特性。 相似文献
16.
针对目前蛋鸡啄羽异常行为（包括啄和被啄）识别精度比较低的问题，提出了一种基于改进YOLO v6-tiny模型进行啄羽异常行为识别的方法。该方法通过在YOLO v6-tiny模型中引入DenseBlock结构并融入CSP结构的SPP模块（SPPCSPC）的方式，增强了YOLO v6-tiny模型的特征提取能力，扩大了模型的感受野，提升了模型的检测精度。在识别出啄羽异常行为的基础上，对如何基于异常行为发生次数，进行蛋鸡个体分类进行了研究。提出了基于YOLO v6-tiny模型进行蛋鸡个体识别，并将啄羽异常行为识别结果输入个体识别网络，进行蛋鸡个体分类的方法。同时，本文还分别对2种不同的养殖密度、一天当中3个不同的时间段，异常行为发生次数的变化规律进行了分析。实验结果表明，优化后的模型对啄和被啄异常行为的识别平均精度（AP）分别为92.86%和92.93%，分别比YOLO v6-tiny模型高1.61、1.08个百分点，比Faster R-CNN模型高3.28、4.00个百分点，比YOLO v4-tiny模型高6.15、6.63个百分点，比YOLO v5s模型高2.04、4.27个百分点，比YOLO v7-tiny模型高5.39、3.92个百分点。本文方法可以识别出啄和被啄羽异常行为，为蛋鸡异常行为的智能检测提供了技术支撑。 相似文献
17.
基于改进BP神经网络的农业机械数据预测研究 总被引：1，自引：0，他引：1
为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法(APSO)优化的误差方向传播(BP)神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986-2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。 相似文献
18.
针对农机在环境干扰情况下BDS失调、INS单独导航误差大的不足,以BDS/INS两者间位置、速度差值为模型,提出蜂群算法优化BP神经网络辅助卡尔曼滤波的算法组合导航,精准定位农机位置速度信息。BDS有效时,BDS/INS组合导航结合卡尔曼滤波,校正INS的位置、速度偏差,BP神经网络进行训练模式;BDS失调时,BP神经网络转化为预测模式,代替BDS对INS进行校正反馈,输出精确位置信息。同时,改进人工蜂群的搜寻方式与选择概率,提出改进的蜂群算法优化BP神经网络,使速度误差小于0.6 m/s,位置误差小于30 m,改善对农机位置速度的定位精确度。 相似文献