共查询到19条相似文献，搜索用时 734 毫秒
1.
基于监测数据和BP神经网络的食品安全预警模型 总被引：10，自引：3，他引：7
以中国实际食品安全监测数据为样本,研究基于BP神经网络的食品安全预警方法。首先对食品安全日常监测数据进行筛选简化,选择其中与食品安全最为密切的167种检测项目,以此检测项目为指标按月度划分建立数据样本。然后建立以167种检测项为输入层,包含2个隐层,以化学污染、农药残留、兽药残留、重金属、微生物致病菌5大类为输出层的食品安全预警神经网络模型,最后用所得数据样本进行训练和验证。结果表明,基于BP神经网络的食品安全预警方法能有效识别、记忆食品危险特征,能够对输入样本进行有效的预测,研究有助于丰富食品安全数据的处理方法,有助于完善相关预警技术手段。 相似文献
2.
3.
基于PCA-RBF神经网络的烟田土壤水分预测 总被引：9，自引：3，他引：6
为建立烟田土壤水分预测模型以利于烟区种植的规划和管理,该文提出了基于主元分析（PCA）与径向基函数（RBF）神经网络模型的烟田土壤水分预测方法。首先,利用PCA消除原始输入层数据的相关性,以解决神经网络建模时输入变量过多、网络规模过大导致效率下降的问题;然后,以主元模型结果为输入建立土壤水分RBF神经网络预测模型。实例研究表明,烟田土壤水分PCA-RBF神经网络预测模型具有较好的预测效果,平均预测精度达到96.02%,与全要素误差反向传播（BP）神经网络和RBF神经网络相比,平均预测精度分别提高5.20%和6.06%,完全符合实际烟区种植规划的需求,为研究其他类型的土壤水分预测提供了参考。 相似文献
4.
基于BP神经网络模型的荔枝树叶面积测定方法 总被引：7，自引：1，他引：7
为了准确、快速地测定荔枝树叶面积，设计了一个BP神经网络模型，输入参数为叶片长度和叶片最大宽度，输出参数为叶面积。用LI-3000A型叶面积仪测量所得到的样本数据对网络进行训练，测试样本的网络输出与网络目标的相关系数达0.99609，网络模型是有效的。用训练后的网络模型对10组未参加建模的样本数据进行叶面积测定，误差平方和为1.2929，优于回归方程法的2.511。训练好的BP神经网络模型可以在不破坏叶片的情况下，简单、快速、经济地测定大量的荔枝树叶片面积。 相似文献
5.
6.
针对自走式联合收割机变速箱优化设计中存在计算量大、图表多等问题,提出了一种新的神经网络学习算法,相对于其他学习算法,该算法侧重于网络参数的调整,通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习。通过BP网络的学习和训练,采用单输入双输出的1-8-2结构、1-6-2结构、1-4-2结构进行训练,从实际的应用效果来看,选择1-6-2的ＢＰ网络结构作为最终的神经网络形式,网络的识别精度是非常高的。结果表明,该算法能运用神经网络对联合收割机变速箱进行了设计研究,建立数学描述形式,分析了通过神经网络来实现变速箱设计模型构建的方法。研究表明,应用神经网络构建的模型能够减少系统的分析次数,并能够很大程度的提高模型的精度,满足计算要求,最终在设计空间内寻找出较好的设计方案。 相似文献
7.
风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定BP神经网络的层数与神经元数量。针对某2.5 MW风电机组的7处关键位置进行了载荷实测。研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的SCADA参量,从而进一步提高预测准确度。因此,基于BP神经网络建立SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段。 相似文献
8.
为解决生菜应用营养液膜技术（nutrient film technique,NFT）在冬夏季根区温度控制的问题,该研究基于机器学习方法,结合温室内外历史环境数据,构建BP神经网络根区温度预测模型。为提高模型精度,采用蜣螂算法（dung beetle optimizer, DBO）优化BP神经网络模型的输入权重和阈值,构建了冬夏两个季节的基于DBO-BP神经网络的栽培槽内根区温度预测模型,并与GA-BP、BP神经网络模型进行对比。结果表明,根区温度预测值与真实值变化趋势较为一致,DBO-BP模型温度预测最大误差为2.21°C,决定系数为0.943,而GA-BP与BP模型决定系数分别为0.928、0.892;DBO-BP模型评价指标的均方根误差、平均绝对误差分别为0.707、0.549°C,均小于其他模型评价指标。DBO-BP神经网络可满足在NFT栽培中根区温度预测精度的需求,能够为生菜栽培根区快速控温提供有效方法。 相似文献
9.
基于L-M优化算法的BP神经网络的作物需水量预测模型 总被引：25，自引：6，他引：25
应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。 相似文献
10.
空气悬架系统动态载荷的识别 总被引：4，自引：4，他引：0
针对空气悬架系统主动控制中神经辨识器的离线训练问题,利用BP神经网络实现从空气悬架系统非簧载质量振动加速度空间到其动态载荷空间的映射。建立带有空气悬架系统的1/4工程车辆动态模型,通过仿真得出了工程车辆空气悬架系统的非簧载质量振动加速度和动态载荷数据,以空气悬架系统的非簧载质量振动加速度数据作为神经网络的输入,动态载荷数据作为神经网络的输出,训练BP神经网络,并对训练好的BP神经网络进行泛化能力的测试,路面输入采用幅值为0.01 m,频率为1 rad/s正弦波时,识别误差率在30%以内的点占总数的82.95%;以幅值为0.02 m,频率为2 rad/s的正弦波作为系统的路面输入,识别误差率在30%以内的点占总数的77.94%。结果表明BP神经网络能够对不同的路面输入具有较好的适应性。 相似文献
11.
基于BP神经网络的土壤水力学参数预测 总被引：7，自引：1，他引：7
为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。 相似文献
12.
基于粗糙集和BP神经网络的棉花病害识别 总被引：17，自引：10，他引：7
为了提高棉花病害的识别率,提出了一种在自然环境条件下基于粗糙集和BP神经网络的棉花病害识别方法。该方法以轮纹病、角斑病、褐斑病和盲椿象为研究对象,将病害棉花图像从RGB颜色空间转换到HSI和L*a*b*颜色空间,应用Otsu算法对H分量、a*分量和b*分量进行阈值分割,通过H+a*+b*分量与原始图像的交集提取棉花病斑区域,利用颜色矩和灰度共生矩阵分别提取病斑的颜色和纹理特征,并结合粗糙集理论和BP神经网络,实现特征向量的优选,和棉花病害的识别。通过比较试验发现,粗糙集理论能有效减少特征维数,使提取的全部特征向量16个减少到5个,使BP神经网络的训练时间缩短到原来的1/4,且棉花病害平均识别正确率达到92.72%。研究结果表明,该方法准确识别了4种棉花病害,为棉花病害的防治提供了有效的技术支持。 相似文献
13.
14.
15.
基于径向基函数神经网络的地下水数值模拟模型的替代模型研究 总被引：1，自引：0，他引：1
近年来提出的替代模型方法是一种连接数值模拟模型与优化模型的有效途径,替代模型质量的好坏取决于采样方法和替代模型种类。以金泉工业园区地下水水源地为研究区,基于拉丁超立方抽样方法,结合研究区地下水数值模拟模型,获取输入(抽水量)输出(水位降深)数据集,运用人工神经网络方法,建立径向基函数神经网络模型,作为地下水数值模拟模型的近似替代模型。经验证,径向基函数神经网络模型输出得到的水位降深均值与模拟模型计算结果的拟合平均相对误差为0.038;水位降深剩余标准差的拟合平均相对误差为0.042。拟合平均相对误差较小,表明径向基函数神经网络模型能够有效地替代地下水数值模拟模型,为日后替代模型的深入研究提供了科学依据。 相似文献
16.
基于机械特性BP神经网络的苹果贮藏品质预测 总被引：1，自引：1，他引：1
应用L－M优化算法BP神经网络，通过用苹果机械特性指标(压缩时的最大力、屈服力、弹性模量)预测苹果贮藏品质(硬度、水分、可溶性固形物、总酸)的方法，建立贮藏品质的人工神经网络模型。用试验所测的机械特性指标为输入，苹果贮藏品质为输出来确定网络的拓扑结构，训练建立的BP神经网络。仿真结果表明：该神经网络模型用机械特性指标能预测苹果贮藏品质，同时通过5组非样本数据来验证该神经网络，模型的预测值与实测值的相对误差在5%以下，能够满足工程应用中预测苹果贮藏品质的精度要求。 相似文献
17.
人工神经网络是一种高度非线性的并行分布处理系统,采用人工神经网络预测宝鸡市的地下水位动态变化趋势,取1995-2007年研究区内的降水入渗补给量、河道渗漏补给量、人工开采量和闸坝蓄水渗漏量作为输入因子,建立BP模型,用于模拟2008的年地下水位埋深,并与传统的灰色模型进行比较,结果表明:BP神经网络的相对误差介于0.07%～1.98%,相对于灰色模型(0.13%～6.41%)具有较高的预测精度,可为该灌区地下水位的动态预报提供参考。 相似文献
18.
区域水资源可持续利用评价的人工神经网络模型 总被引：26，自引：0，他引：26
根据给定的水资源可持续利用评价等级标准，采用随机技术模拟生成足够数量的评价指标序列，应用BP网络模型，以评价指标生成序列和其所属的评价等级值来建立评价模型，并进行了实例研究。结果表明，建立的模型实用、可操作性强，可以用于区域水资源可持续利用评价。 相似文献
19.
基于神经结构搜索的多种植物叶片病害识别 总被引：2，自引：2，他引：0
为实现植物病害的自动准确识别,该研究提出一种基于神经结构搜索的植物叶片图像病害识别方法,该方法能够依据特定数据集自动学习到合适的深度神经网络结构。采用包含14种作物和26种病害共54 306张的公开PlantVillage植物病害图像作为试验数据,按照4∶1的比例随机划分,分别用于神经结构搜索和测试搜索到的最优网络结构的性能。同时,为探究神经结构搜索对数据平衡问题是否敏感及图像在缺乏颜色信息时对神经结构搜索的影响,对训练数据进行过采样和亚采样平衡处理及灰度变换。试验结果显示,该研究方法在训练样本数据不平衡和平衡时均可以搜索出合适的网络结构,模型识别准确率分别为98.96%和99.01%;当采用未进行平衡处理的灰度图像作为训练数据时,模型识别准确率有所下降,为95.40%。该方法能够实现植物病害的准确识别,为科学制定病害防治策略提供有效的技术手段。 相似文献