排序方式: 共有43条查询结果,搜索用时 15 毫秒
21.
为指导节水灌溉策略的制定,利用基于多值神经元的复数神经网络(multilayer neural network with multi-valued neurons,MLMVN)方法,建立了土壤墒情多步预测模型。首先,利用均值法替换样本中的异常值并对缺失值进行补充,并由数据分析知土壤墒情数据为非平稳的非线性时间序列。然后,根据土壤墒情与环境因素(降雨量、气温和风速)的相关性分析结果选择降雨量为关键环境因素。最后将土壤墒情、降雨量及目标土壤墒情复数化,作为网络输入和期望输出建立MLMVN预测模型。结果表明,网络结构为240-15-1200-1时单步预测精度为0.883,采用循环预测法进行步长为72的多步预测,平均预测精度为0.853,比实数域误差反向传播神经网络BP提高了9.1%。研究表明,MLMVN模型多步预测误差累计小,预测结果可作为该地区节水灌溉策略制定的理论依据。 相似文献
22.
为精准预测大田土壤含水率,并掌握不同深度土壤含水率分布规律,针对大田土壤含水率时序数据的非线性特点及相邻深度土壤含水率间具有较强关联关系,该文建立3层时延神经网络大田多深度土壤含水率预测模型,用以实现对6个不同深度(10、20、30、40、50和70 cm)土壤含水率预测。利用试验法确定预测模型的隐含层节点个数、训练学习算法和训练集样本量。试验结果表明:隐含层使用10个节点,采用L-M(Levenberg-Marquardt)训练算法,采用45%样本集数据作为训练样本,55%作为测试样本集,对所建预测模型进行预测,10和20 cm的预测相对误差小于7%,而30、40、50和70 cm的预测相对误差小于4.5%。因此利用基于时延神经网络的多深度土壤含水率预测模型,可为掌握土壤含水率分布动态变化规律提出一种解决方案。 相似文献
23.
24.
基于径向基支持向量机的棉花虫害识别 总被引:9,自引:0,他引:9
针对棉花受棉蚜、棉叶螨、棉盲蝽、斜纹夜蛾和烟粉虱等害虫为害后叶片表面出现不同症状,利用计算机视觉技术识别棉花虫害.通过获取受害棉花叶片图像,预处理后转换至2G-R-B空间,结合Otsu算法实现色斑分割,提取色斑图像R变量、(R +G+B)/3变量的一阶矩、二阶矩和三阶矩为颜色特征,提取非色斑图像拓扑描述子和Hu不变矩为形状特征,提取2层双树复小波变换的细节图像均值和方差为纹理特征,并应用径向基支持向量机识别棉花棉蚜、棉叶螨、棉盲蝽、斜纹夜蛾、烟粉虱等虫害和正常叶片.试验结果表明,当径向基参数σ为3时,棉花虫害识别正确率达88.1%. 相似文献
25.
基于Visual C++的精确定时技术与应用 总被引:1,自引:0,他引:1
为了保证实时控制系统的控制精度,往往要求能精确定时。在Visual C++中提供多种定时方案,对常见的几种定时方法进行了对比、分析。针对精准施药系统的定时要求,分别采用Ouery Performance—Frequency()和QueryPerformancecounter()函数及多媒体两种方法进行定时。经过测试,表明两种方法均能够满足系统提出的定时精度要求,但前者与计算机的硬件配置有关,因此在精准施药系统中采用基于多媒体的定时方法。 相似文献
26.
基于Gabor小波和颜色矩的棉花盲椿象分类方法 总被引:6,自引:5,他引:1
为了提高棉花盲椿象测报精度,提出了一种在自然环境下基于Gabor小波和颜色矩的棉花盲椿象自动分类方法。该方法以5种棉花盲椿象为研究对象,利用Gabor小波和颜色矩分别提取盲椿象图像的纹理和颜色特征,并结合主成分分析和支持向量机,实现了棉花盲椿象的分类。通过特征提取与优化试验发现,利用主成分变换得到的第1主成分、第2主成分和第3主成分分量累计贡献率为87.3%,且聚类效果较好;通过棉花盲椿象分类试验得出,经过主成分分析与径向基核函数支持向量机相结合的棉花盲椿象分类效果最好,其训练时间为89 ms,分类正确率达91%。该方法能准确对棉花盲椿象进行分类与识别。 相似文献
27.
基于GIS的农田土壤水分状况管理模型及应用 总被引:2,自引:1,他引:1
基于GIS开发了土壤水分和土壤电导率的简单专题图及精细专题图模块。简单专题图为运行于农田PDA的嵌入式GIS系统提供采样异常点检查验证;精细专题图为运行于上位机的农田信息处理系统提供信息可视化管理。简单专题图调用GIS组件方法获得并据此建立了采样管理模型;精细专题图中,土壤水分采用克里金插值算法预测的均方根百分比误差(RMSPE)为5.489%;土壤电导率插值模型采用泛克里金算法预测的RMSPE为18.451%。基于精细农田信息专题图,根据特定作物不同生长时期需水量的专家推荐值建立了土壤水分管理模型,利用该模型进行的一次灌溉决策显示,土壤含水率方差从灌溉前的1.9168调整到了灌溉后的0.8906。试验表明,采样管理模型能够指导田间采样,农田水分管理模型能够指导农田灌溉。 相似文献
28.
温室弥雾机控制系统的设计 总被引:1,自引:0,他引:1
为实现温室环境人机分离自动变量施药,设计基于Wi-Fi与模糊控制的自走式自动变量风送弥雾机。施药系统以STM32单片机为核心,在Eclipse开发环境下采用Socket编程技术实现移动端与弥雾机端双向通信。为满足施药技术要求,采用Mamdani模型制定施药控制规则,将虫害覆盖率和茄子冠层高度参数作为模糊控制模型的输入,根据施药控制规则自动控制电磁阀和继电器以调控喷雾流量和控制施药时间,共同完成弥雾机变量施药。通过流量测定、模糊控制及自动与手动弥雾的沉积试验对施药系统进行验证,结果表明:1)施药控制系统可根据占空比准确调控喷雾流量,且占空比与喷雾流量线性度较好,拟合度为R~2=0.996 4,满足该设计喷雾范围要求。2)采样点与喷头距离为1~3m时对单位面积雾滴有效沉积量影响显著,且随着茄子冠层高度的增大和蓟马覆盖率的提高均会使单位面积雾滴沉积量显著提高。3)自动弥雾与手动弥雾沉积量的相对误差不超过0.8%,可满足变量喷雾的实际需求。 相似文献
29.
30.
为了研究不同喷雾参数优化方法对温室风送式弥雾机喷雾效果的影响,在试验的基础上,分别运用二次多项式回归和BP神经网络,建立了温室风送式弥雾机喷雾分布均匀性响应面模型.结果表明: BP神经网络响应面模型的相关系数、均方根误差分别为0.987 1,0.134 0,而二次多项式响应面模型的相关系数、均方根误差分别为0.928 2,0.215 9,BP神经网络模型较高的相关系数和较低的均方根误差说明其拟合精度较高;对二次多项式回归模型寻优,预测的雾滴分布变异系数最小值为1.47%,实际值为1.58%;采用BP神经网络协同遗传算法寻优,雾滴分布变异系数预测值和实际值分别为1.21%,1.28%;表明在喷雾参数优化中,基于BP神经网络的遗传算法比二次多项式响应面法具有更好的准确性. 相似文献