BP神经网络在焉耆盆地农田排水量   总被引：1，自引：1，他引：1  

刘延锋  靳孟贵  曹英兰 《中国农村水利水电》2006,(1):4-6

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。  相似文献   

基于径流分类的日径流量预测神经网络模型     

王玲  黄国如 《灌溉排水学报》2002,21(4):45-48

利用聚类分析法将径流序列分解为若干个子径流序列 ,对这些子径流序列分别建立局部神经网络模型 ,而后把这些局部模型合并成一个混合模型。当新的信息进入该模型时 ,首先用分类器判别其类别 ,以确定用混合模型中的何种局部模型加以模拟。通过与不加分类的总体神经网络模型的模拟结果加以对比 ,结果表明这种基于径流分类的降雨 -径流模型表现出了更优良的性能 ,可以较大地提高径流模拟精度。  相似文献   

神经网络模糊PID算法在温室温度控制中的仿真研究   总被引：2，自引：2，他引：2  

刘东利  王延耀  张建勇 《农机化研究》2006,(10):70-72

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。  相似文献   

基于双池化与多尺度核特征加权CNN的典型牧草识别     

肖志云  赵晓陈 《农业机械学报》2020,51(5):182-191

针对自然背景下牧草难识别的问题,提出一种基于双池化与多尺度核特征加权的卷积神经网络牧草识别方法。双池化特征加权结构通过将卷积层输出的特征图分别进行最大值池化和均值池化得到两组特征图,引入特征重标定策略,依照各通道特征图对当前任务的重要程度进行加权,以增强有用特征、抑制无用特征;多尺度核特征加权结构通过在卷积层中同时使用3×3和5×5两种卷积核,并将网络的前几层特征复用后进行加权,以提高重要特征的利用率。对10类牧草图像进行识别实验,结果表明,该方法识别率为94. 1%,比VGG-13网络提高了5. 7个百分点,双池化与多尺度特征加权有效提高了牧草识别精度。  相似文献   

遗传神经网络在温室黄瓜霜霉病预测中的应用   总被引：5，自引：0，他引：5  

熊雪梅  姬长英 《农业机械学报》2002,33(4):69-71

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。  相似文献   

光谱技术结合水分校正与样本增广的棉田土壤盐分精准反演     

李佳怿  张翼腾  周宝闯  翁海勇  周蓓蓓  叶大鹏  瞿芳芳 《农业工程学报》2024,40(1):179-189

棉田土壤盐分的精准反演对于棉花的种植管理具有重要意义。水分和盐分作为主要环境因素,共同影响棉田土壤的波谱特征,两者之间的耦合关系直接影响土壤盐分的检测分析。为了提高基于光谱技术构建的模型对棉田土壤盐分信息解析的准确性与可靠性,该研究联用可见/短波近红外（400～1 000 nm）和长波近红外（960～1 693 nm）技术,采集不同含水率与含盐量的新疆地区土壤样本的光谱;结合外部参数正交法（external parameter orthogonalization,EPO）,校正不同标样集与不同波段光谱中的土壤含水率干扰信息;引入基于不同卷积步幅的深度卷积对抗网络（deep convolutional generative adversarial networks,DCGAN）,进行样本增广与质量评估;参考三层残差神经网络设计一维卷积神经网络RNet,最终构建基于EPO-DCGAN-RNet的优化模型,用于棉田土壤盐分的反演。结果表明,与传统机器学习方法和基于VGG或EfficientNet结构一维卷积神经网络相比,该研究提出的EPO-DCGAN-RNet方法能够有效地滤除水分对盐分反演的影响、提高模型对特征波段的挖掘能力、降低深度学习算法对样本量的依赖性,并能得到更优的模型预测性能。EPO-DCGAN-RNet的建模集R²和均方根误差分别为0.942、115.420 μS/cm,验证集R²和均方根误差分别为0.910和136.472 μS/cm。研究结果可为新疆棉田土壤盐分快速精准检测提供理论指导和技术支持,有助于促进盐碱地区棉花种植的水肥科学管理。  相似文献   

基于人工神经网络的PV/T热电联供系统性能预测     

贺斌  李岚卿  程江勇超  周希正  张丽  梁晓春 《农业工程学报》2024,40(6):308-317

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。  相似文献   

基于全卷积神经网络的猪背膘厚快速准确测定     

张利娟  陈力  李黎  巫海  陈四清  王可甜  张亮  王金勇 《农业工程学报》2022,38(12):183-188

为了有效地弥补猪B超图像人工手绘背膘厚的不足,为生猪育种工作提供更精准和稳定的背膘厚测定新方法。该研究将全卷积神经网络（Fully Convolutional Networks,FCN）模型应用于猪B超图像的背膘分割和背膘厚测定上,开发出一套使用Python调用FCN模型对猪B超图像背膘厚进行自动测定的系统。通过开展验证集验证试验、屠宰比对试验和人员比对试验,发现模型测定结果和标注结果之间差异不显著（P>0.05）,两者相关系数达0.92(P<0.01);B超标准测定背膘厚和FCN分割测定背膘厚的相关系数达到0.97(P<0.01);专家组组内标准差为0.17 mm（最小）,行业外组组内标准差为1.67 mm（最大）,而FCN分割结果稳定性强,不受人员因素的影响。因此,该方法可以实现对外种猪B超背膘厚的精准、快速、稳定测量,减少猪场对专业人员的依赖,降低测定人员培训成本,减少工作人员工作量。  相似文献   

Improving Drought Tolerance of Rice by Designed QTL Pyramiding   总被引：4，自引：0，他引：4  

Drought is the most important factor limiting rice yields in the rainfed areas of Asia. To overcome the problem  we developed a new strategy ''''designed QTL pyramiding'''' to more efficiently develop drought tolerant 《分子植物育种》2007,5(2):205-206

Drought is the most important factor limiting rice yields in the rainfed areas of Asia. To overcome the problem, we developed a new strategy ＇designed QTL pyramiding＇ to more efficiently develop drought tolerant （DT） rice cultivars. In the first phase of this strategy, we developed large numbers of introgression lines （ILs） in elite backgrounds using backcross （BC） breeding, each of which carries multiple genomic segments for improved DT from a known donor. Then, we genotyped all ILs with SSR markers to track the genomewide pattern of introgression in the DT ILs of 16 BC populations derived from crosses between 2 recipients （IR64 and Teqing） and four different donors. X^2 tests and linkage disequilibrium analyses of introgression in the DT ILs revealed significant frequency shifts at many loci across the genome and non-random associations at the multilocus level as a result of selection for DT in the ILs, which led us to the discovery of putative genetic networks underlying DT in the ILs. The networks each containing all DT loci detected in ILs from a BC population showed some interesting features.  相似文献   

FC-CNN:基于卷积神经网络的水果图像分类算法     

简钦  张雨墨  简献忠 《农业装备与车辆工程》2021,(1):67-71

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...  相似文献