共查询到19条相似文献，搜索用时 625 毫秒
1.
基于高光谱遥感的玉米叶片SPAD值估算模型研究 总被引：1，自引：0，他引：1
灌浆期玉米叶片叶绿素含量对玉米光合作用及产量形成具有重要作用。为通过高光谱特征准确、高效估测玉米叶片叶绿素含量,以SPAD值表征叶绿素相对含量,构建了基于光谱特征参数的传统回归模型、基于全谱和光谱特征参数的PLSR模型和BP神经网络模型,并进行了比较分析。结果表明：基于全谱构建的PLSR模型SPAD值拟合效果最好（R 2=0.910,RMSE=2.071）,而基于光谱特征参数所建立的PLSR模型拟合效果可达到与全谱PLSR模型相近的水平。但后者的实测值与预测值拟合效果（R 2=0.867,RMSE=2.581,RPD=2.628）优于全谱PLSR模型,且建模时间短,模型复杂程度降低。BP神经网络模型相较于两种PLSR模型预测效果略差,但优于传统回归模型。综合来看,基于光谱特征参数建立的PLSR模型估测效果最好。 相似文献
2.
监测采样间隔对作物模型性能的影响研究 总被引：1，自引：0，他引：1
为了获得不同监测采样间隔对作物生长模型的影响规律,避免现有研究和应用中存在的主观性或随意性,以番茄叶片蒸腾速率和CO2交换率为对象,采用3 种采样间隔数据及2 种常用方法进行建模、预测和比较研究。研究结果显示,在15、30、60 min的监测采样间隔下,番茄叶片蒸腾速率模型和CO2交换率模型的预测误差是不同的,GA-BP神经网络模型的预测能力普遍优于纯二次回归模型,但两者的结论是一致的,即对蒸腾速率和CO2交换率而言,最合适的监测采样间隔分别为30 min和15 min。本研究结果为监测采样间隔的设定、试验数据的选取和建模方法的运用提供依据,对作物模型研究和应用具有重要意义。 相似文献
3.
基于光致发光光谱的水稻品种快速鉴别研究 总被引：1，自引：1，他引：0
水稻是中国最重要的粮食作物之一,其种子品种鉴别是目前农业生产、作物育种和种子检验的重要问题。由于品种鉴别比较困难,每年因品种搞错和纯度差而造成的经济损失巨大。为此提出了一种应用光致发光光谱分析技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。为了实现水稻品种的快速无损鉴别,采用北京卓立汉光仪器有限公司生产的光致发光光谱分析仪,对从长江大学农学院收集的5个不同品种的水稻共125个样本进行650~1000 nm波段光致发光光谱采集,获取了每个品种水稻各25个样本数据。将光谱数据经主成分分析压缩成数目较少的新变量（主成分）,其中前7个主成分能够解释99.696%的原始光谱信息。因此将前7个主成分作为BP神经网络的输入,不同水稻的品种值作为BP神经网络的输出,建立水稻品种的模式识别模型。样本被随机的分成包含100个样本的建模集和25个样本的预测集。结果表明,5次随机抽样建模的预测正确率均达到100%。同时也表明,主成分分析的数据压缩能力好,通过主成分分析和BP神经网络相结合建立模型进行不同品种水稻鉴别具有分析速度快、鉴别能力强的特点,为快速鉴别水稻品种提供了新的方法。 相似文献
4.
为探究烟片含水率对丙二醇近红外模型预测效果及加料均匀性系数的影响,制备不同丙二醇含量且每一含量均包含不同含水率的烟片样品,并预测其丙二醇含量,分析不同含水率以及不同丙二醇含量对预测结果的影响,且建立基于含水率的丙二醇预测结果的校正模型,并利用该模型分析样品校正前后的加料均匀性系数变化规律。结果表明：（1）待检样品与建模样品的含水率差异越大,预测值的绝对偏差也越大。当待检样品含水率大于建模样品含水率时,预测值偏高;反之,预测值偏低。（2）含水率与预测值的绝对偏差间呈极显著线性关系(R2=0.938),因此,可以根据含水率校正预测值。（3）对某牌号、批次卷烟的加料均匀性评价结果表明,待检样品含水率与建模样品相比平均偏高约1.70%,校正前、后的加料均匀性系数相差2.0%。综上所述,控制含水率对丙二醇含量近红外预测值的影响,有利于提高加料均匀性评价结果的准确度。 相似文献
5.
基于全波段高光谱的冬小麦生长参数估算方法比较 总被引：1，自引：0，他引：1
利用高光谱数据监测作物生长情况具有无损和高效的特点,是现代农业的发展方向。为了简化高光谱数据处理流程,直接利用原始的高光谱反射率完成从建模到估算作物生长参数的全过程,应用于作物长势的实时监测。本文利用偏最小二乘回归（partial least squares regression,PLSR）、支持向量回归（support vector regression,SVR）和前馈神经网络（feedforward neural network,FNN）3种方法,利用全波段高光谱数据分别对冬小麦多个关键生育期（拔节、孕穗、扬花和乳熟期）生长参数（地上部生物量、叶面积指数、全氮含量和叶绿素浓度）进行了估算。比较3种方法的建模及估测效果,发现对于建模集数据,SVR对上述生长参数4个生育期的估测结果R2均值为0.89~0.98,MAPE为1.70%~7.53%,对于验证集数据,R2均值为0.90~0.94,MAPE为4.04%~7.46%,拟合优度和估测精度均超过PLSR和FNN,是估算方法中利用全波段光谱反射率估测冬小麦生长参数的最佳方案。随着无人机载高光谱技术成熟,SVR方法能够用于处理航拍获取的大范围田间高光谱信息,简便快捷地进行建模与参数反演,实时反映作物生长状态。 相似文献
6.
本文通过对运城市2005—2018年气象数据和苹果年产量数据进行分析,构建运城市苹果产量早期预测模型。首先,采用HP滤波法将运城市苹果年产量分为趋势产量和气象产量。其次,分别对苹果物候期：发芽期、花期、幼果期、膨果期、成熟期建立多元线性回归模型,研究每个物候期对苹果气象产量影响的强弱。最后,选取对苹果气象产量影响最强的幼果期建立BP神经网络早期预测模型,并对其进行验证。结果表明：选取幼果期建立的BP神经网络苹果产量早期预测模型其预测结果相对平均误差为7.08%,使用2019年相关数据验证BP神经网络产量早期预测模型的精度为89.6%,表明该模型能够较为准确的预测苹果产量,可为农作物产量早期预测提供理论支持。 相似文献
7.
【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%；外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。 相似文献
8.
9.
基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用 总被引：1，自引：1，他引：0
为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。 相似文献
10.
建设用地是城市发展的重要因素，对建设用地规模的预测可以为土地利用总体规划提供参考数据和技术支持。笔者以连云港市为例，收集了2004—2013年有关建设用地规模的社会经济统计数据，采用主成分-BP神经网络模型对连云港市2014—2020年建设用地规模进行预测，得出7年连云港市建设用地规模的预测结果。本研究得出主要结论：（1）主成分分析结果显示社会经济的发展、人口和基础设施的变化以及环境的改善从不同方面影响着建设用地的规模；（2）笔者构建的BP神经网络模型误差率较低、拟合效果较好且对于训练集以外的新样本数据具有较好的泛化能力，说明所建模型具有可靠性,可以进行预测；（3）连云港市2014—2020年的建设用地规模呈现逐年扩张的趋势，年均增长率为0.97%，连云港市应采取有效措施控制建设用地规模并且合理保护耕地，使得建设用地面积的增长控制在合理的范围之内。主成分-BP神经网络模型不仅能够对影响建设用地规模的因素进行全面分析，同时可以得到精度较高的建设用地规模预测数据，因此能够较好地应用于建设用地规模预测。 相似文献
11.
12.
基于随机森林法的棉花叶片叶绿素含量估算 总被引：3，自引：0，他引：3
为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。 相似文献
13.
为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。 相似文献
14.
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
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.
研究旨在通过BP神经网络方法,构建起LM-BP网络结构(5-M-1)模型,达到对土壤养分等级划分的目的,为合理的土壤养分管理提供可靠依据。采用Levenberg-Marquardt (LM)训练算法,构建3层网络模型：一个输入层、一个隐含层、一个输出层,利用3层网络作为耕地土壤养分等级划分模型。利用土壤养分各级评价标准作为模型的训练样本和测试样本,以此来对BP神经网络进行训练和测试,并对歙县土壤养分进行综合评价。结果表明：LM-BP网络结构对测试样本输出的预测值和实际参考值是一致的。最终通过灰色关联模型和主成分分析方法对歙县土壤养分的综合评价结果与BP神经网络的模拟结果相对比,发现也是基本一致的。LM-BP网络结构应用于土壤养分等级划分中,得到了很好的预测效果,为智能算法应用于农业领域奠定了良好的基础。 相似文献
17.
响应面中心组合设计优化花生壳黄酮微波提取工艺 总被引：2，自引：0，他引：2
为了获得花生壳黄酮微波提取最佳工艺条件,为花生壳黄酮的进一步开发利用提供技术支持,本研究以黄酮得率为指标,采用响应面法的中心组合设计（Central Composite Design,CCD）对花生壳黄酮的微波提取工艺进行优化,建立二次多项式回归方程的预测模型。方差分析表明：回归模型较好地反映了黄酮得率与微波时间、微波功率、乙醇体积分数和料液比的关系,微波提取花生壳黄酮的最佳参数为：乙醇体积分数78%,微波时间120 s,微波功率460 w,料液比30,花生壳黄酮得率为2.918 g/100 g。经颜色反应和纸层析鉴定所得产品为黄酮类物质。 相似文献
18.
To solve the instability problem of established sample in the neural network evaluation method for mine ventilation system, a comprehensive evaluation of the ventilation system is carried out based on rough sets and BP neural networks. Taking the ventilation system of a mine as an example, the classification quality of raw data samples are tested by using rough set data analysis system. Then, based on artificial neural network theory, a rough sets-neural network evaluation model of a mine ventilation system is established and a new rough sets-neural network evaluation method of mine ventilation system is formed. The results show that, after the model validation of data and application, its theoretical evaluation results are in line with the actual situation, and the network total error is less than 0.004. It shows that the comprehensive evaluation method based on rough sets-neural networks has a good effect in evaluating mine ventilation system in practical application. 相似文献