共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
《科技视界》2016,(19)
雾霾是对大气中各种悬浮颗粒物含量超标的笼统表述。随着空气质量的恶化,阴霾天气现象出现增多,危害加重。为了更加准确的预测雾霾天气的形成,本文基于自然界遗传机制和生物进化论,提出了一种基于遗传算法优化的RBF神经网络雾霾形成的预测模型,并使用MATLAB进行仿真研究。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用遗传算法优化RBF网络权值和其他参数,形成GA-RBF预测模型。该模型通过计算群体中个体适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明GA-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。 相似文献
4.
依据现有的草坪质量评价指标体系,于2010年调查了20个草地早熟禾品种成坪后的11项指标,包括草坪的密度、质地、颜色、均一性、绿期、抗病性、盖度、耐践踏性、成坪速度、草坪强度以及生物量。然后,运用神经网络原理及Matlab神经网络工具箱,以其中的15个草地早熟禾品种成坪后的11项指标的实地调查值作为网络输入,以专家打分作为网络输出,通过不断调整网络训练参数,使网络性能达到最优,构建了草坪质量综合评价的BP 和RBF神经网络模型,并给出了BP和RBF神经网络模型的分析方法及其Matlab实现步骤。利用训练好了的网络模型,对其余的5个草地早熟禾品种的综合质量评价得分进行网络预测,结果表明,RBF神经网络的预测误差均小于2%,而BP神经网络的预测误差均大于5%,因此,基于RBF神经网络模型的草坪质量评价结果比BP神经网络更准确,可以用于草坪质量综合评价。与常规的加权法、层次分析法或模糊综合评判法评价草坪质量相比,基于RBF神经网络模型的草坪质量综合评价,在一定程度上减少了评价中主观因素的影响,简化了计算步骤,为草坪质量综合评价提供了一种全新的思路。 相似文献
5.
植被地上生物量可作为评价矿山生态修复地生态功能的重要指标,为实现对修复地地上植被生物量快速、准确的预测,以安徽省铜陵市铜官山矿区草本植物地上生物量为研究对象,将无人机高分辨率多光谱影像作为数据源,提取了单波段光谱反射率、植被指数两种光谱特征以及各波段纹理特征变量,并利用高精度DEM (digital elevation model)生成地形特征,再先后使用灰色关联法和熵权法对光谱特征和纹理特征分别进行筛选,进而将筛选出的特征变量和地形特征变量分为光谱特征组和多特征组。采用反向传播神经网络(back propagation neural network,BPNN)、卷积神经网络(convolutional neural network, CNN)以及Elman神经网络3种机器学习算法分别构建基于光谱特征组和多特征组的生物量预测模型,比选精度较高的矿区草本植物地上生物量反演模型。结果表明,在光谱特征基础上引入纹理特征和地形特征后3种反演模型精度都有相应程度提高,其中,基于多特征组构建的BPNN模型表现出最优性能,其决定系数(R2)为0.841,均方根误差为11.813 g·m-2,并同时对... 相似文献
6.
对气象条件和新城疫发病率进行相关性分析,结合动物流行病学理论确定影响新城疫发病的关键气象因素。利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验。结果表明将6种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.760,证实预测效果较好。初步构建出新城疫发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考。 相似文献
7.
8.
9.
对气象数据和猪蓝耳病发病率进行相关性分析,结合动物流行病学理论确定影响猪蓝耳病发病的关键气象因素.利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验.结果表明,将13种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.821,证实预测效果较好.初步构建出猪蓝耳病发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考. 相似文献
10.
11.
12.
13.
14.
15.
16.
土壤水分预测是天气预报的一个重要指标,是径流预报、农田灌溉和排水等问题的重要参考因素,一直以来都是广大气象学者研究的重点.本文利用人工神经网络的方法建立土壤水分预测模型,对田间土壤水分进行预测研究.预测结果表明:应用人工神经网络建立的土壤水分预测数学模型适用于土壤水分预测,能够比较准确的对田间土壤水分值进行预测,具有较好的预测精度. 相似文献
17.
《科技视界》2014,(18)
DEA是一种基于线性规划理论、广泛应用于效率评价的系统分析方法,属于事后评价的范围。BP神经网络的容错能力、学习能力、纠错能力使其在非线性系统预测方面有着广泛的应用。目前DEA与BP神经网络的混合模型已得到广泛研究,其可以在资源投入阶段就进行评价,这样一旦发现问题可以及时调整,变事后评价为事前控制。但是软件的分离使用极大地限制了此混合模型的应用。本文基于DEA与BP神经网络,利用MATLAB将DEA软件与BP神经网络工具箱结合在一起,设计开发了混合效率预测模型系统。利用此系统可以进行效率预测,及时调整投入指标以减少投入资源的浪费,提高能源利用率,并且此系统提供了良好的人际交互界面,避免了复杂的人工操作。 相似文献
18.
19.