高宁[1]2003年在《基于BP神经网络的农作物虫情预测预报及其MATLAB实现》文中认为农作物主要害虫常年对作物造成严重危害，使农业经济遭到损失。预测害虫未来的发生动态，可以使治虫工作得以有目的、有计划、有重点的进行。害虫的预测预报工作是进行害虫综合防治的必要前提。只有对害虫发生危害的预测预报做到及时、准确，才能正确的拟定综合防治计划，及时采取必要的措施，经济有效的压低害虫的发生数量，保证农业的高产、稳产。 发生量预测就是预测害虫的发生数量，害虫发生量的预测是决定防治区域、防治田块面积及防治次数的依据。但其总的研究进展仍远远落后于发生期的预测。这是由于影响害虫发生量的因素较多及其不确定性所致。因而采用叁层BP网络对虫害发生量进行预测可以有效的刻画其具有的不确定、多输入、复杂的非线性特征。 人工神经网络是一类模拟人类神经系统的结构，他揭示数据样本中蕴含的非线性关系，大量处理单元组成非线性自适应动态系统，具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力，在不同程度和层次上可模仿大脑的信息处理机理，可灵活方便的对多成因的复杂未知系数进行建模。特别是BP网络近年来广泛应用于模式识别、预测评估等领域，并取得良好的效果。目前BP网络采用误差逆传播算法学习训练神经网络，该算法是基于网络误差函数梯度下降的。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足，本文采用了自适应的学习速率和附加动量法。 然而，BP网络的模型的实现需要掌握计算机编程语言及较高的编程能力，这在一定程度上不利于神经网络技术的推广和使用。而MATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox,简称NNT)，为解决这个难题提供了便利条件。本文在简要介绍了BP神经网络基本原理及其算法的基础上，详细介绍了利用MATLAB神经网络工具箱进行BP网络模型建立、训练、仿真的编程方法。同时，为了弥补MATLAB在人机交互性能上的欠缺，建立MATLAB与DELPHI之间的应用程序接口，将DELPHI灵活强大的编程能力、MATLAB强大的科学计算能力相结合。 本文主要利用神经网络理论，基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统，确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻虫情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性，具有很好的应用价值。
张海艳[2]2011年在《基于自适应概率神经网络的农作物虫情预测研究》文中研究说明农作物主要害虫常年对作物造成严重危害,使农业经济遭受严重损失。根据害虫的发生、发展规律,以及作物的物候和气象预报等资料,进行全面分析,做出其未来的发生期、发生量和危害程度等估计,预测害虫的未来发展动态,这项工作就叫做农作物虫情预测。虫情预测工作是进行害虫综合防治的必要前提,只有对害虫发生危害的预测做得及时准确,才可以正确地拟定综合防治计划,及时采取必要的措施,经济有效地压低害虫的发生数量,保证农作物的高产和稳产。因此,研究农作物虫情预测技术具有很重要的现实意义。虫情预测问题的研究起步比较早。传统的预测方法主要有：观察法、统计法和数学生态模型法。传统方法具有一定的局限性,如人为因素比较明显,实际拟合率低、预测效果不稳定和模型建立比较困难等问题。近年来的新型预测方法主要有BP神经网络、专家系统和模糊神经网络等。虽然新兴预测方法有各自的优点,但都有缺陷。如BP神经网络存在训练速度慢、预测精度不高、容易陷入局部最小值；专家系统知识获取比较困难；模糊神经网络人工干预比较多,不容易实现自适应学习的功能。随着农业技术的快速发展,现有的方法已不能满足虫情预测系统的要求,因此需要对农作物虫情预测技术进行更深入的研究。概率神经网络是一种性能良好的分类神经网络,具有全局优化的特点。它能够进行快速运算,并能保证收敛到贝叶斯分类器,允许增加或减少训练数据而无需重新进行训练。针对农作物虫情的非线性、实时性和不确定性,以及概率神经网络在解决非线性复杂问题方面具有的独特优势,将概率神经网络应用于农作物虫情预测。概率神经网络所有维的测量空间具有相同的平滑参数值,不能真实反映输入变量对分类效果的实际作用,容易导致分类结果不准确和计算效率低下。而自适应概率神经网络是对传统概率神经网络的重要改进,它通过重复迭代的方法优化确定不同的测量空间维数选用不同的平滑参数,因而它牺牲了传统概率神经网络不需学习的特点,但却换来了较高的分类精度。因此,本文将自适应概率神经网络用于农作物虫情预测。本文主要工作如下：对农作物虫情数据的变化规律进行分析,得出农作物虫情具有非线性、复杂性和不确定性。建立农作物虫情预测的概率神经网络模型,对实例进行预测。结果表明,基于概率神经网络的农作物虫情预测是现实的,但预测精度不高。为了进一步提高虫情预测的准确率,提出了基于自适应概率神经网络的农作物虫情预测方法。建立农作物虫情预测的自适应概率神经网络模型,与BP神经网络模型、概率神经网络模型的预测结果进行比较。结果表明,基于自适应概率神经网络的农作物虫情预测是可行的,并且预测精度较高。
高宁, 邵陆寿[3]2003年在《基于MATLAB的BP神经网络在农作物虫情测预报中的应用》文中研究说明本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。
饶丹丹[4]2013年在《一种基于BP神经网络对水稻害虫预测的研究》文中研究说明植物害虫一直对庄稼的生长造成了巨大的危害，使作物丰收惨遭损失。为了使害虫得到有效的治理，提出了预测害虫发生动态的方式。害虫的治理的关键就是前期害虫的预测预报工作能顺利开展。为了制定出正确、合理的防治方案，我们要采用准确、及时的预测方案，从而采用准确的措施来减少害虫的发生量，减少害虫损失，确保庄稼的好丰收。决定防治庄稼的面积、防治频率及防治范围的依据是预测害虫的发生量。影响庄稼害虫的因素众多且不确定性太强，导致我们的研究工作一直滞后于发生期的预测。由于BP网络的研究功能有复杂的非线性、不确定性、多输入等特性，为此，专家提出了用BP神经网络来进行虫害发生预测。人工神经网络是模拟人类神经系统而实现对其的研究，因为具有很强抗干扰能力和模仿能力、自调整性、人工神经网络可以分析样本数据中的非线性关系、处理非线性自适应动态系统（由大量单元组成）。近年来BP网络的应用取得了很大的进展，在预报估计、模式辨别上有了广泛的应用。BP神经网络采用利用网络误差函数梯度下降的误差逆传播算法进行学习。具有现成网络工具箱的MATLAB软件是开发和利用神经网络的最好条件。本文将在简介BP神经网络基本原理及其算法的前提下，更一步介绍在MATLAB神经网络，在他的工具箱基础上的网络模型训练、建立、仿真的相关方法。
谷雨, 赵国材, 罗金鸣, 齐凯[5]2008年在《改进BP神经网络在农作物虫情预测预报中的应用》文中研究表明本文主要利用神经网络理论,基于Matlab的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。
刘丽娟[6]2013年在《基于气象条件的北方寒地水稻病虫害预警系统的研究》文中研究指明水稻是我国重要的粮食作物之一，年种植面积已达3仟亿平方米，约占粮食作物种植面积的1/3，稻谷产量占粮食总产量的45%。生物灾害是影响中国水稻稳产、高产的重要因素之一。我国每年因水稻病虫害造成经济损失400~500万吨。如何准确、及时、快捷地预测水稻病虫害，并提供病虫害防治方法，已经成为有效控制水稻病虫害危害、保障水稻安全的基础性工作。本课题则是基于气象条件对北方寒地水稻病虫害预警系统进行研究，以黑龙江省胜利农场为试点，依据水稻病虫害发生的生物学、生态学和气象学原理，使用R统计方法分析水稻病虫害与气象条件的相关性，并以制图方式进行展示；使用叁层BP网络建立预测模型，学习训练样本数据，基于MATLAB神经网络工具箱进行预测仿真，使用2012年胜利农场实际数据检验模型的预测效果,准确率高达97%以上。实验结果证明：环境温度、相对湿度、降雨量等气象条件对水稻病虫害的发生起着决定性作用，尤其是以降雨量为决定因素的环境湿度，直接影响水稻病虫害的形成、发病以及传播，连续降雨期一般为水稻病虫害的高发期。基于气象条件建立的预测模型在病虫害测报方面具有可行性及很好的应用价值。系统主程序使用DELPHI软件进行编写，用户可以在主界面输入过去叁天至未来两天的气象环境值或以规定格式向系统发送短信，系统即可对水稻病虫害发生率进行预警，并给出专家建议。系统界面简洁清晰，拥有可读性强，易于操作等特点，数据库处理使用SQL Server2000，数据信息管理方便。本系统的开发不仅对水稻病虫危害进行了有效的控制，对提高粮食产量也起到了推动作用，更加为我国带来了社会、经济和生态等多重效益。
贾花萍[7]2013年在《农作物虫情的模糊神经网络预测模型》文中提出利用BP神经网络建立的农作物虫情预测模型,其算法存在收敛速度慢、网络泛化能力差等缺点,可影响预测精度。为进一步提高预测精度,将人工神经网络与模糊系统结合,建立基于模糊神经网络的农作物虫情预测模型;并将该模型与基于BP神经网络算法的预测模型进行比较。结果表明,模糊神经网络的预测模型预测精确度比较高,训练速度比较快;该模型给农作物虫情预测提供了一种新方法。
秦华[8]2009年在《基于自适应神经网络的葡萄病害发生预测研究》文中提出葡萄是河北省主要的农副产品之一,河北涿鹿为长城葡萄酒酿酒公司提供了主要的原材料。然而,在葡萄生产过程中,容易遭受霜霉病、白腐病、炭疽病、黑痘病等病害的危害,其中葡萄霜霉病于2006年大面积流行,导致葡萄大约减产30%左右,且果实的含糖量降低,品质变劣。预测葡萄病害未来的发生动态,可以使治害工作得以有目的、有计划、有重点的进行。病害的预测预报工作是进行病害综合防治的必要前提,只有对病害发生危害的预测预报做到及时、准确,才能正确的拟定综合防治计划,及时采取必要的措施,经济有效的减少葡萄病害的发生数量,保证农业的高产、稳产。葡萄病害发生的预测是一个典型的非线性系统,影响病害发生因素又很多,采用常规方法预测将是一件非常困难的事。人工神经网络是一个非线性动力学系统,其特点是可以通过例子学习(训练)去解决问题,而不必知道对象的数学模型。特别是多层前馈BP网络,可通过学习以任意精度逼近任何连续映射,应用广泛。基于此,作者将此模型及自适应神经网络算法应用在葡萄病害预测中,并通过对河北张家口市涿鹿地区葡萄病害发生程度的预测来检验模型的效果。本文所做的工作如下:(1)通过对多种葡萄病害预测资料的统计,进行关联分析得出各种病害在相同条件下的发生量,且得到6个生态和生物因子,按影响程度的大小依次为:六月平均日照时数、六月降雨量、六月相对湿度、五月平均日照时数、五月降雨量、五月相对湿度。(2)针对BP网络模型的实现需要掌握计算机编程语言及较高的编程能力,一定程度上不利于神经网络技术推广和使用这一难题,本文在简要介绍了BP神经网络基本原理及其算法的基础上,详细介绍了利用MATLAB神经网络工具箱进行BP网络模型建立、训练、仿真的编程方法。同时,也分别建立了基本BP神经网络和自适应神经网络两种模型来预测葡萄病害的发生程度。(3)对两种模型学习训练误差性能曲线训练误差进行分析,得出自适应神经网络收敛速度快且网络性能达标的结论。(4)对自适应神经网络模型的预测输出和实际输出进行了线性回归分析,得到目标矢量对网络输出的关系系数R接近于1,得出结论:自适应神经网络模型预测输出值和实际的样本输出值相关性很好,仿真精度高,容错能力强,可靠性、鲁棒性高,预测建模的结果比较满意。自适应神经网络模型对于葡萄病害发生程度的预侧具有重要的参考价值。
贾伟宽[9]2009年在《基于改进的神经网络模型对棉铃虫发生程度预测研究》文中研究表明棉铃虫是公认的世界性大害虫,可对多种作物造成严重危害,使农业经济遭受巨大损失,一直是农业害虫测报和防治的重点。棉铃虫发生的预测可看作是一个输入输出系统,恰能用神经网络很好地表达。在预测时对网络加以改进,以提高运行效率和识别精度。本研究以山东省郓城县1959-2007年的棉铃虫发生数据为对象,共49个样本,预测因子(包括气象、虫源基数等)40个,属于特征维数高(变量多)、样品个数多的大样本。针对待处理问题特征维数高的特点,通过对待预测样本进行降维分析,以减少样本的特征维数,从而减少神经网络的输入,便于网络的设计,简化网络结构,提高网络的收敛速度,节省运行时间,进而提高网络的运行效率。将特征降维与神经网络结合,建立了基于FA的BP算法(FABP)模型、基于FA的RBF算法(FA-RBF)模型、基于PCA的Elman算法(PCA-Elman)模型,以期探求基于特征降维的神经网络算法在害虫测报中的应用。将待处理问题的训练样本进行聚类分析,将相近的样本聚为一类,根据实际需要将样本划分为3-6类,以便于细化样本,以训练更为精确的网络模型,然后逐一将仿真样本进行判别分析,归入训练样本所聚的类中,再用相应的网络模型进行预测,从而提高网络的预测精度。建立基于CA的BP算法(CA-BP)模型,以探求在害虫测报中的应用。用遗传算法来优化神经网络,以改善神经网络固有的缺陷。用GA优化BP神经网络的权值、隐层神经元个数,以改善BP易陷入局部最小、收敛速度慢和隐层神经元难以确定的不足。以探求基于GA的BP算法在害虫测报中的应用。将特征降维、聚类分析、遗传算法、以及神经网络的优点结合,分别建立基于FA-CA-BP的算法模型、基于FA-CA-GABP的算法模型,以改善神经网络的性能,进而探求在害虫测报中的应用。结果表明预测因子通过降维分析,虽有一定的信息损失,但可以减少数据冗余,在预测精度没有降低的前提下,提高收敛速度,节省运行时间;通过聚类分析虽增加了操作的复杂度,但在一定程度上提高了预测精度;通过GA优化虽耗费一定的时间,但提高了训练的成功率,在一定程度上提高了网络的效率;将几者优点结合的模型,虽然大程度地增加了操作的复杂度,但在强大的计算软件和编程工具的帮助下,可轻松得到结果,以求为害虫预测建立更实用的模型。同时为研究害虫生态提供新的模型。最后运用C++和MATLAB程序设计语言开发操作平台,人机交互式,操作简单,便于推广应用。
陈久龙[10]2016年在《基于BP神经网络的银行营业网点选址与评价研究》文中研究说明随着经济的发展,改革开放的深入,我国正在逐步开放银行业金融服务,金融机构面临着更为严峻的市场竞争和日趋复杂的经济环境。银行营业网点选址已成为银行业金融机构需要迫切解决的问题,而科学合理的选址尤为重要。银行业金融机构在营业网点选址时,需要考虑的影响因素十分繁杂。各个因素相互关联,影响较大,难以准确地用数学模型描述,选址决策结果和影响因素之间的关系多是非线性的,而传统的选址方法在预测上存在一定的弊端,很难真正的为决策者提供理论支持。随着时代发展,涌现出神经网络技术,BP网络不需要建立描述映射关系的数学方程,便能学习和存贮大量的输入-输出模式的非线性映射关系,由于其结构相对简单、可塑性强从而得到了广泛的应用。本文首先详细介绍了神经网络的特性,论述了其应用在选址问题上的可行性。结合营业网点的选址影响因素,本文确定了地理影响因素、区域经济因素、交通条件、人口分布影响因素、企业因素、公共服务设施因素、行业竞争因素等为输入的影响因子,而依照营业能力确定了1-9的输出评价结构。通过对样本的数据的分析,确立了叁层结构、七输入、一输出的神经网络,在传统BP算法上改进激活函数并引入惯性冲量,加入动量因子,并设定学习速率为0.05,动量因子为0.6,最大训练数为10000,误差为10-2。本文利用VC++编译平台并调用MATLAB实现了基于BP神经网络的银行营业网点的选址与评价研究。
参考文献：
[1]. 基于BP神经网络的农作物虫情预测预报及其MATLAB实现[D]. 高宁. 安徽农业大学. 2003
[2]. 基于自适应概率神经网络的农作物虫情预测研究[D]. 张海艳. 兰州交通大学. 2011
[3]. 基于MATLAB的BP神经网络在农作物虫情测预报中的应用[J]. 高宁, 邵陆寿. 计算机与农业.综合版. 2003
[4]. 一种基于BP神经网络对水稻害虫预测的研究[D]. 饶丹丹. 武汉轻工大学. 2013
[5]. 改进BP神经网络在农作物虫情预测预报中的应用[J]. 谷雨, 赵国材, 罗金鸣, 齐凯. 电气技术. 2008
[6]. 基于气象条件的北方寒地水稻病虫害预警系统的研究[D]. 刘丽娟. 黑龙江八一农垦大学. 2013
[7]. 农作物虫情的模糊神经网络预测模型[J]. 贾花萍. 浙江农业学报. 2013
[8]. 基于自适应神经网络的葡萄病害发生预测研究[D]. 秦华. 河北农业大学. 2009
[9]. 基于改进的神经网络模型对棉铃虫发生程度预测研究[D]. 贾伟宽. 山东农业大学. 2009
[10]. 基于BP神经网络的银行营业网点选址与评价研究[D]. 陈久龙. 长春工业大学. 2016
标签：自动化技术论文; 自适应论文; matlab论文; 神经网络模型论文; bp神经网络matlab实例论文; 预测模型论文; 网络模型论文; 概率计算论文; 水稻病虫害防治论文; 系统学习论文; bp神经网络论文; 病虫害论文; bp算法论文;