基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型

[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350～1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。     

基于BP网络对我国通货膨胀率的预测及其分析

本文首先由我国的CPI计算出通货膨胀率,综合分析了我国通货膨胀率和GDP增长率数据。其次,用带有动量项和自适应学习率的BP神经网络预测出2008～2009年我国CPI,从而推算出2008～2009年我国通货膨胀率分别是4.99%和4.91%左右。并提出了一些相应的政策建议。     

基于BP神经网络的第三方物流企业顾客满意度评价研究

科学、系统地分析和评价第三方物流企业客户满意度是企业决策者最关心的课题之一，它关系到企业的兴衰和存亡。建立了基于BP神经网络的第三方物流顾客满意度的评价模型。能较好地避免传统方法人为选取权重和相关系数过程中的主观性和不确定性。     

基于BP神经网络的征地区片综合地价评估

文章提出了征地区片综合地价的BP神经网络系统的基本构造,并在充分考虑城市规划和生活水平对征地区片土地价格影响的基础上,对神经网络的评估系统进行了设计.给出了征地区片综合地价评估的指标体系及特征指标的量化计算公式.以雅安市雨城区最新的征地区片综合地价为基础,利用改进的BP神经网络模型对它们进行了训练和模拟,取得了良好的模拟结果,证明了ANN法用来测算征地区片综合地价的可行性和先进性.     

技术创新扩散环境的BP神经网络评价模型研究

构建了技术创新扩散的环境评价指标体系,设计了BP神经网络评价模型,并将二者结合,运用实例验证了该模型的有效性,从而为技术创新扩散环境的评价提供借鉴。     

用神经网络对开式冷挤压极限变形程度的预测

给出了基于 BP网络的极限变形程度预测的分析方法 ,得到了开式冷挤压εmax神经网络计算结果 ,与实验结果比较 ,其精度较高 ,证明了神经网络模型在开式冷挤压工艺中应用的可行性。     

浅谈选煤厂建设投资估算影响因素及改进措施

本文对选煤厂建设工程投资估算中影响准确性的因素进行了分析,并结合BP神经网络理论基于Matlab软件对选煤厂带式输送机及栈桥单位工程进行了数值模拟,通过对比数值模拟结果与概算指标估算结果,详细阐述了可以提高选煤厂建设工程投资估算准确性的几点建议。     

基于 BP 神经网络的结构损伤识别研究

针对结构的损伤识别进行了研究，选取结构固有频率平方变化比作为特征参数，建立12×25×1 BP网络结构，采用均方误差函数目标误差函数，学习函数选取梯度下降动量学习函数和L-M优化算法，对四层钢框架结构的损伤进行了检测。     

模糊层次分析法优化BP神经网络的交通冲突预测模型

本文通过全面剖析影响交通冲突的原因,以交通流量、道路几何设计和道路环境三方面的因素建立指标层次结构体系。提出基于模糊层次分析(FAHP)法优化BP神经网络(BPNN)的预测模型,应用于交通冲突预测。     

基于PCA-BP-GA的BOT项目风险预测研究

由于BOT项目本身的长期性和复杂性,所以在BOT项目实施前需要准确科学的预测出所面临的风险大小。针对BOT项目风险影响因素众多的问题,先利用主成分分析法进行降维,然后利用遗传算法找出BP神经网络的最优全值阈值,建立了PCAGA-BP BOT项目风险预测模型。同时将以往的BOT项目数据作为学习样本,对BOT项目风险进行预测,并利用某地污水厂的例子进行验证,说明此模型对实际工程的科学指导性。