共查询到20条相似文献，搜索用时 984 毫秒
1.
2.
温度和含水率对土壤比热容影响的神经网络预测 总被引：1，自引：0，他引：1
通过二次正交回归试验研究了土壤温度和含水率对土壤比热容的影响,并建立了土壤比热容的二次正交回归模型和优化BP神经网络模型.结果表明:土壤温度和含水率的一次项对比热容的影响达极显著水平.其二次项的影响达显著水平;二次正交回归模型具有较好的拟合精度,其残差平方和为0.026 1,标准差为0.0511.但优化BP神经网络模型的最大误差值为0.036,最小误差值为0.008,其预测精度优于二次正交回归模型.优化的BP神经网络学习速率较快,当网络训练达到346步时即有效收敛,具有预测速度快、操作简便的特点. 相似文献
3.
《农业机械学报》2019,(Z1)
作物蒸腾作用是基质水分传输的主要驱动力,建立了基于基质含水率变化量的温室番茄作物蒸腾量估算模型和预测模型,并进行对比分析。使用校准后的EC5基质含水率传感器,记录第1次灌溉后与第2次灌溉前基质实时含水率变化量,使用称量法测量作物实时蒸腾量。通过基质含水率变化量与基质栽培槽体积的多元线性回归运算,建立番茄单株日蒸腾量估算模型;将基质含水率变化量、空气温度、空气湿度和光照强度作为输入,利用GABP神经网络算法,建立番茄单株日蒸腾量预测模型。将试验所得温室作物日蒸腾量估算模型和预测模型分别与温室作物实际日蒸腾量进行线性回归分析,结果表明,基于基质含水率变化量建立的估算模型在苗期、花期的预测精度分别为0. 972 9、0. 979 6,预测模型的预测精度分别为0. 991 5、0. 989 0,两者之间差异不大,但估算模型运算速度远高于预测模型的运算速度,估算模型对于温室灌溉管理具有推广应用价值。 相似文献
4.
基于神经网络的车辆排气噪声声音品质预测技术 总被引：1，自引：0，他引：1
通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价,考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数,使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型,对排气噪声样本的满意度进行预测,并与使用多元线性回归模型所得的预测值进行了比较.结果表明,神经网络模型预测值更接近实测值,误差在10%范围以内,对于单一噪声样本满意度的预测精度高于多元线性回归模型,能够更好地反映客观参数和主观满意度间的非线性关系,可用于车辆排气噪声声音品质的预测研究. 相似文献
5.
苹果内部品质的CT成像结合傅里叶变换方法检测 总被引：1，自引：0，他引：1
通过对苹果的CT扫描灰度图像进行傅里叶变换,在变换后的频域图像中提取16个参数,并结合苹果的可溶性固形物质量分数、可滴定酸度、pH值和含水率,采用主成分回归和偏最小二乘回归的方法建立模型,预测苹果的内部品质。结果表明,采用主成分回归分析建立模型,主成分的累计贡献率选取99%的情况下,F检验的P均小于0.05,预测效果良好。采用偏最小二乘回归时潜变量的个数为12时,各模型的误差平方和最小,预测效果良好。对两个模型进行误差率验证表明主成分回归的模型略优于偏最小二乘回归模型。 相似文献
6.
微波真空干燥条件对苹果脆片感官质量的影 总被引：2，自引：1，他引：1
选择微波功率、真空度和初始含水率为自变量,采用二次回归正交旋转组合设计结合响应面法,建立了微波真空干燥苹果脆片感官质量的回归模型,分析了各试验因素及交互作用对感官质量的影响规律,获得较高感官质量的工艺条件理想取值区间:微波功率10.6～12.7 W/g、真空度0.083～0.094 MPa和初始含水率0.6～0.9.获得高品质苹果脆片的最佳工艺条件为:微波功率11.7 W/g、真空度0.089 MPa、初始含水率0.75, 感官质量预测得分可达到9.51.通过试验验证,感官质量实测平均得分值为9.42,进一步证明回归模型具有较好的拟合度. 相似文献
7.
基于CT技术的苹果贮藏期内主要成分无损检测 总被引：2，自引：0，他引：2
为了探讨富士苹果内部主要成分与其剖面CT值之间线性关系在贮藏期内的变化,使用X射线CT技术,对处于不同贮藏期的苹果进行扫描,获得CT图像及CT值,并测量苹果内部的主要成分含量,建立不同贮藏期CT值与苹果内部主要成分含量的线性模型.经过比较发现,苹果内部pH值及糖度随着贮藏期的增长而增大,而含水率及可滴定酸含量随着贮藏期的增长而降低,同时各成分与CT值的线性相关模型随着贮藏时间的变化也发生了相应变化.将贮藏时间参数引入苹果内主要成分含量的预测模型,并验证其准确性及可行性,结果表明预测模型的平均误差率小于10%,利用以上预测模型进行苹果内部主要成分的无损检测是一种可行的方法. 相似文献
8.
基于近红外光谱技术的发育后期苹果内部品质检测 总被引：2，自引：0，他引：2
为了解发育后期苹果内部品质与近红外光谱特性之间的关系,给田间管理、实时采收等提供依据,利用近红外漫反射技术测量了发育后期3个月内"富士"苹果在833~2 500 nm波长范围内的光谱特性,并测量了各样品的内部品质参数(可溶性固形物含量、硬度、p H值和含水率),分析了单一波长下吸光强度与各内部品质参数之间的线性关系。结果表明,单一波长下吸光强度与苹果各内部品质参数之间的线性相关性均较弱,基于单一波长下的吸光强度很难预测苹果的内部品质。为此,结合化学计量学方法建立了预测可溶性固形物含量、硬度、p H值和含水率的最小二乘支持向量机和极限学习机(ELM)模型,并分析了主成分分析(PCA)、连续投影算法(SPA)和无信息变量消除法等3种降维方法对模型预测性能的影响。结果表明,预测可溶性固形物含量、p H值的最优模型为SPA-ELM,其RMSEP分别为0.443 5°Brix和0.006 8;预测硬度、含水率的最优模型为PCA-ELM,其RMSEP分别为0.2612 kg/cm2和0.623 5%。 相似文献
9.
10.
基于神经网络的车辆排气噪声声音品质预测技术 总被引：1，自引：0，他引：1
通过评审团成对比较法测试得到18种车辆排气噪声的满意度评价,考察并选取响度、尖锐度、粗糙度、波动度和峭度作为描述车辆排气噪声声音品质的客观心理声学参数,使用BP神经网络理论建立车辆排气噪声声音品质神经网络预测模型,对排气噪声样本的满意度进行预测,并与使用多元线性回归模型所得的预测值进行了比较。结果表明,神经网络模型预测值更接近实测值,误差在10%范围以内,对于单一噪声样本满意度的预测精度高于多元线性回归模型,能够更好地反映客观参数和主观满意度间的非线性关系,可用于车辆排气噪声声音品质的预测研究。 相似文献
11.
运用BP神经网络模型对水面蒸发进行研究,并与多元线性回归和主成分回归2种方法的拟合结果进行比较。结果显示,多元线性回归各参数均通过t检验,拟合较好;主成分回归中,参数b2未通过t检验,拟合效果不如多元线性回归好。BP神经网络模型、多元线性回归、主成分回归建立的水面蒸发量观测值与拟合值的回归方程中决定系数分别为0.8986、0.7993、0.7984。应用BP神经网络进行分析,相对误差小于10%的样本个数超过总样本个数的40%,相对误差不超过30%的样本个数接近80%;而其它2种方法相对误差大于10%的样本个数超过总样本数的80%,相对误差大于50%的接近总样本个数的30%。可见,应用BP神经网络模型进行水面蒸发量计算,远优于其它2种方法,应用此方法进行水面蒸发量的预测是非常理想的。 相似文献
12.
基于RBF神经网络的种猪体重预测 总被引：7，自引：0，他引：7
针对猪体生长参数之间具有一定的自相关性、部分参数与体重间呈非线性关系、通过线性回归模型预测猪体体重存在着自变量间共线性及拟合优度较低等问题,以52头长白母猪的生长参数为基础,通过最近邻聚类算法,构建了基于RBF神经网络的种猪体重预测模型。通过线性回归检验法对种猪体重预测值与实测值进行分析,发现基于RBF神经网络的长白种猪体重预测模型的拟合优度R2为0.998,而线性回归模型的R2为0.891。结果表明：通过RBF神经网络方法建模,消除了线性回归分析中自变量的共线性问题,预测效果优于线性回归模型。 相似文献
13.
以影响热裂解液化过程的因素(输入功率、压差、氩气流量和进料率)为网络输入,热裂解液化产物为网络输出,应用BP神经网络模型法对玉米秸秆热裂解液化产物产率进行了预测分析,并将预测结果与非线性回归分析法进行了比较分析.结果表明,采用BP神经网络模型预测输出值与试验值间的相对误差总体上在5％之内,说明模拟预测的效果较好.对BP神经网络模型法与非线性回归方法的预测结果对比分析显示:在试验数据范围内,BP神经网络模型对玉米秸秆热裂解3种产物产率的预测值更接近试验值,计算精度比非线性回归方法略高. 相似文献
14.
为了探讨富士苹果内部主要成分与其剖面CT值之间线性关系在贮藏期内的变化,使用X射线CT技术,对处于不同贮藏期的苹果进行扫描,获得CT图像及CT值,并测量苹果内部的主要成分含量,建立不同贮藏期CT值与苹果内部主要成分含量的线性模型。经过比较发现,苹果内部pH值及糖度随着贮藏期的增长而增大,而含水率及可滴定酸含量随着贮藏期的增长而降低,同时各成分与CT值的线性相关模型随着贮藏时间的变化也发生了相应变化。将贮藏时间参数引入苹果内主要成分含量的预测模型,并验证其准确性及可行性,结果表明预测模型的平均误差率小于10%,利用以上预测模型进行苹果内部主要成分的无损检测是一种可行的方法。 相似文献
15.
基于反射光谱的苹果叶片叶绿素和含水率预测模型 总被引：4，自引：0，他引：4
为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。 相似文献
16.
基于Shapley值的农机总动力组合预测方法 总被引：4，自引：2，他引：2
应用合作博弈中的Shapley值方法,通过分配总误差来确定组合预测模型中各预测模型的权重,以此构建组合预测模型并对山西省农机总动力进行组合预测.结果表明,该组合预测模型的预测平均误差为1.81,低于选定的一元线性回归模型、三次指数平滑模型和BP神经网络模型的3.12、2.42和2.23;也低于基于方差倒数法以及基于离异系数法构建的组合预测模型的预测平均误差1.88和1.90. 相似文献
17.
人工神经网络具有良好的非线性函数动态处理能力以及自组织、自适应和自学习功能,可用作建模处理.运用MATLAB神经网络工具箱不需要进行繁琐的编程,可以建立高效、准确和快速的BP网络模型.利用高级语言(Vb)设计人机交互界面,完成对Matlab的调用.系统设计的神经网络模型具有通用性、客观性和科学性的特点,可对不同条件下苹果虫害的发生进行预测预报,对指导农业生产具有很高的应用价值. 相似文献
18.
生菜叶片含水率光谱特征模型研究 总被引：4，自引：0，他引：4
利用便携式光谱分析仪测量生菜叶片的光谱反射率,并对其进行对数变换.通过变量筛选得到725、1 075、1 272、1 450、1 640和1 958 nm波长处的光谱反射率与生菜干基含水率呈极显著相关.为克服多重共线性影响,分别采用多元线性回归分析、主成分回归分析、偏最小二乘回归分析及偏最小二乘-人工神经网络回归分析4种方法建立了叶片干基含水率的定量分析模型.结果表明4种算法预测值与实测值相关系数分别为0.485 0、0.899 2、0.917 4和0.947 0,偏最小二乘-人工神经网络模型的预测能力优于其他模型. 相似文献
19.
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
20.
为研究含水率和围压对砒砂岩重塑土力学特性的影响,采用TSZ-6A全自动静三轴仪进行三轴剪切试验.试验结果表明:随着围压的增大,土体抗剪强度逐渐变大;含水率越大,土体抗剪强度越小,并且两者都近似呈线性变化的趋势.以含水率、围压为影响因素,依据邓肯-张模型建立了砒砂岩重塑土的本构模型.应用该模型对不同含水率、围压下砒砂岩重塑土的应力-应变关系进行预测,预测结果与实测结果接近,表明以含水率、围压为参数建立的预测模型能较好地反映砒砂岩重塑土的本构关系.研究可为砒砂岩土在工程建设中的应用提供基础理论依据. 相似文献