2024-04-28
? 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 文章编号 :1003 - 207 (2002 ) 01 - 0079 - 05 基于人工神经网络的三江平原土壤质量 综合评价与预测模型 楼文高 (上海水产大学海洋学院农业资源与环境系 ,上海 200090) 摘 要 :根据土壤质量定量评价指标分级体系生成足够多代表性好的神以网络训练和检验用的样本 。建立神经网 络模型时 ,利用删减或扩张准则确定神经网络最佳拓扑结构 ,避免“过拟合”现象 ,利用检验样本监控在训练过程中 不发生“过学习”现象 ,使建立的土壤质量的综合评价与预测模型具有较好的泛化能力和预测能力 。对三江平原地 区主要耕作土壤质量的综合评价与预测结果表明 ,神经网
**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***
人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及bp网络的基本原理与特征的分析,建立了工程估价预测模型.
为提高坡耕地产量,保护水土流失,分析不同下垫面土壤侵蚀量的预测方法,以2000~2001辽宁北部典型坡耕地数据为样本,建立bp神经网络土壤侵蚀量预测模型,应用2002年土壤侵蚀量数据对模型进行检验。结果表明:采用三层bp网络结构,输入层为4个神经元,分别为径流量、降雨量、有机质、覆盖度,输出层为土壤侵蚀量。预测值的合格率为80%,精度较高,具有很好的预测性能。
依据从2005年1~12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型。模型共分输入层、隐含层和输出层3层。输入层的输入变量包括数据采集当天的10cm、20cm和40cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量。输出层的输出变量包括1天后的10cm2、0cm和40cm深度的土壤含水量。模型的学习因子为0.1,动量因子为0.05。模型经过25000次训练后收敛,收敛误差为8×10-4,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息。
土壤含盐量的预测对合理配置水资源,防治土壤次生盐碱化等具有重要的指导意义。在阐述bp人工神经网络原理的基础上,针对影响土壤含盐量的主要因素,建立了多因子土壤含盐量的3层bp网络模型,以土壤含水率、地下水矿化度、地下水ph值、地下水埋深、相对湿度、降雨量、蒸发量作为模型输入参数,土壤含盐量作为模型输出,对土壤含盐量进行了预测。结果表明,bp神经网络模型预测土壤含盐量的最大误差为8.78%,平均误差为5.99%,模型具有较高的预测精度。
基于人工神经网络的工程造价预测模型——利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。
以bp人工神经网络模型为基础,建立预测模型,以小区某栋建筑物1期~8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期~12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用bp人工神经网络模型进行建筑物沉降的预测是可行的。
针对人工神经网络成矿预测模型结构难以确定的问题,详细阐述了一种在模型训练中进行隐层数目及隐层单元数目动态调整的人工神经网络算法,并以vc++为开发工具实现了变结构人工神经网络成矿预测模型,经用华南26个岩体检验,回忆率及预测率均高达100%。该方法提供了一种面向具体问题的动态解决方案,在成矿预测工作中具有一定的实用性。
针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比gm(1,1)预测模型小;与bp预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与bp预测相结合的方法进行预测。
目前我国每年建成的建筑中,95%以建筑高能耗更为严重,单位建筑面积采暖能耗为发达国家新建建筑的3倍以上。为了节约建筑能耗,减轻环境压力,建筑节能成为可持续发展的重要战略。我国现有的建筑节能标准在设计和评价过程中,缺少有效的建筑体系耗能分析评价方法,而只是直观地给出了一些综合性指标(如建筑
土壤水分含量是影响作物生长的重要因素,精确的预测技术对水资源的合理利用与管理具有重要的指导意义。利用人工神经网络理论,建立了以降水量、蒸发量、相对湿度和地下水埋深为输入因子,土壤水分含量为输出因子的预测模型,并对其预测精度进行了评价。结果表明,bp神经网络模型预测土壤含水率的最大误差为8.66%,平均误差为4.27%,预测精度达到0.989。模型具有较高的预测精度,其结果可为制定合理的水资源调配方案和调度计划提供科学依据。
随着信息化建设的不断推进,计算机网络安全问题的受关注程度不断提升,计算机网络安全综合评价也随之成为业界关注的焦点,基于此,文章简单介绍了gabp神经网络模型、计算机网络安全综合评价模型,并结合仿真开展了模型的性能分析,希望由此能够为相关业内人士带来一定启发。
基于人工神经网络的房地产项目评判模型——房地产租(售)价预测就是对房地产租(售)价未来水平的估计.对房地产投资决策而言,预测出房地产租(售)价各种可能的结果,特别是给出定量的评价、分析,是房地产投资决策必不可少的工作之一.运用模糊系统和...
投资项目的效益评估是整个投资活动的关键。阐述了投资项目效益评估的基本理论;借助现代的数学计量方法,运用效益评估的指标体系,研究了用人工神经网络进行效益评估的的可行性,建立了基于人工神经网络的效益评估模型,并利用该模型进行了实证分析。
人工神经网络预测软土地基沉降——简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,充分运用人工神经网络较强的非映射能力来预测软土地基的沉降,利用实测资料来对复杂的非线性的土工结构进行直接建模,并计算出软土地基的沉降值,获得满意的效果...
简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,充分运用人工神经网络较强的非映射能力来预测软土地基的沉降,利用实测资料来对复杂的非线性的土工结构进行直接建模,并计算出软土地基的沉降值,获得满意的效果。结果显示,人工神经网络应用于软土地基沉降的前景是非常广阔的。
职位:公路工程材料员
擅长专业:土建 安装 装饰 市政 园林
文辑推荐
知识推荐
百科推荐