水稻需水量预测是节水灌溉规划的基础,由于BP神经网络在解决多参数非线性问题表现出极强的自适应能力,从而可以科学准确预测需水量。本研究从多个影响因子分析出发,得到了BP神经网络模型,并结合实际数据进行了检验。试验结果表明,该模型能够较好地反映气象因子与水稻需水量之间的关系,预测精度高。

作物需水量的预测是进行水资源规划和管理的有效手段。它与气象因子之间存在着严重的非线形关系。建立4个输入单元和1个输出单元的三层BP网络,选取不同的隐层结点数进行训练,并通过比较其相对误差的大小确定了神经网络的结构。利用MATLAB环境,提出基于BP神经网络的水稻需水量预报模型,并结合实际数据进行了检验。结果表明:该方法能够较好地反映气象因子与水稻需水量之间的关系,收敛速度快,预报精度较高。

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的...

提出一种结合宏观国际经济影响因素与黄金价格时间序列相接合的LM-BP模型。仿真结果表明,该算法能够较好预测黄金价格的走势,并且运用固定权值阈值方法实现了预测结果的稳定,使得能够进行实际应用。

由于影响因素的复杂性 ,预测降水量具有相当的难度。在假设区域长时间内降水量和蒸发量保持平衡的基础上 ,用 BP人工神经网络建立了陕西省汉中市的降水量预测模型 ,根据前 3个月降水量和蒸发量对降水量资料进行了模拟预测 ,结果认为其准确率为 84% ,合格率为 10 0 %。

本文以城市用水量为研究对象,将其看作人均年实际收入、水价和用水人口的非线性函数,并采用神经网络和灰色预测法等方法对其进行预测,最后在此基础之上,再利用神经网络的非线性特性对未来城市用水量进行预测。并且对天津市的数据作了验证,其结果表明:相对误差较小,预测精度达到了要求。

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石...

【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。

目的】建立苹果原料制干适宜性评价模型,实现基于苹果原料指标预测干制品品质的目标,为苹果制干专用化原料的筛选提供方法依据,为明确苹果干制品品质形成的基础物质提供数据支持。【方法】以来自7个不同主产区的21个主栽品种,共34份苹果鲜果样本为研究对象,运用多种数据处理方法建立苹果脆片品质综合评价模型与苹果原料制干适宜性评价模型。(1)利用压差闪蒸干燥方法制备34份苹果鲜果的脆片样本,测定苹果脆片17项品质指标,采用因子分析进行降维并筛选得到苹果脆片品质评价核心指标,运用层次分析法得到脆片核心指标权重值,构建脆片品质综合评价模型并计算得到脆片综合评价得分。(2)测定34份苹果鲜果样本22项品质指标,与脆片核心指标进行相关性分析并筛选出与脆片品质相关的果实特征指标。选用29个样本以果实特征指标为输入,对应脆片综合评价得分为输出,利用误差反向传播(Error Back Propagation,BP)神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】苹果脆片L*值、脆度、膨化度、可滴定酸含量、可溶性糖含量和粗蛋白含量被确定为不同样本脆片品质综合评价的核心指标,构建的苹果脆片品质综合评价模型为Y_(综合得分)=L*值×0.3724+脆度×0.2665+膨化度×0.1583+可滴定酸含量×0.0890+可溶性糖含量×0.0569+粗蛋白含量×0.0569。34个苹果鲜果样本制得的脆片综合得分范围为0.2069—0.7933,存在较大差异,得分排名前3的苹果样本为‘辽宁华红’‘辽宁华金’和‘山东烟富6号’,排名最后的苹果样本为‘陕西秦冠’。基于脆片核心指标与苹果果实品质指标相关性分析结果,筛选出苹果果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标作为果实制干适宜性评价的特征指标。以果实特征指标值为输入层,对应苹果脆片综合评分为输出层,建立BP神经网络学习模型,可实现苹果原料制干适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性,变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%,实际值与模型预测值线性拟合后决定系数R~2均大于0.95。【结论】苹果制干适宜性可由果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标进行评价,建立的适宜性评价模型可实现基于苹果原料指标定量预测其制干适宜性。

本文将人工神经网络引入教育评估领域,阐明了用BP网络模拟教育评估中的专家评价的设计思想和方法,结合具体实例进行论证。

针对模型预测控制(model predictive control,MPC)优化求解中占用资源较多、实时性较低且实现相对复杂的问题,该文提出了一种基于现场可编程模拟阵列(field programmable analog array,FPAA)模拟神经网络的快速模型预测控制算法。通过FPAA模拟电路来实现基于连续神经网络的二次规划求解,有效规避了离散神经网络的收敛性问题,具有求解速度快、占用资源小、简单易实现的特点;通过平移变换和尺度变换方法,解决FPAA模拟电路的信号限制。最后该文给出了FPAA模拟神经网络预测控制软硬件设计方案并通过实验验证了该算法的有效性。

为获得更精确的径流水位预测效果,文章提出了基于Levenberg Marquardt(LM)算法的BP双隐含层神经网络模型(BPDHLM)。LM算法是梯度下降法与高斯-牛顿法的结合,能缩短BP网络的收敛时间,改善网络的收敛性能;相对单隐层而言,双隐含层BP网络则能改善网络的性能误差,误差梯度,从而提高模型预测精度并改善网络性能。研究结果表明:该模型预报稳定性好,预报准确率高,为径流-水位时间序列预测提供一个有效建模方法。

文章首先对BP神经网络进行改善,利用遗传算法对权值和阙值的初始值进行优化,加快了收敛速度,一定程度上避免了局部最小的问题,利用这种改进的BP神经网络对GM(1,1)预测残差进行修正,建立灰色神经网络模型。其次结合宏观经济因素对股指进行多元回归分析,利用加权法对多元回归分析和灰色神经网络进行组合,更好的利用了不同单一模型的优势。这种组合预测模型较灰色预测模型误差率可以减少40—70%。

文章在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法的存在的问题,提出了一种改进型神经网络算法。首先对训练样本集采用链式数据重组的方法进行扩充;然后在构造的人工神经网络输入层单元引入经济指标的增长率数据和时间窗口序列数据。仿真结果表明,文章提出的算法能够增强神经网络的泛化能力,提高系统模型的预测精度。

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测。构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色Verhulst预测值的残差进行训练。仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度。