期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进遗传算法优化BP神经网络的土壤湿度预测模型
被引量:
9
1
作者
王佳楠
王玉莹
+4 位作者
何淑林
时龙闽
张艳滴
孙海洋
刘勇
《计算机系统应用》
2022年第2期273-278,共6页
我国是农业大国,在进行农业生产过程中,对土壤的湿度进行精准预测具有非常重要的意义.针对传统BP(back propagation)神经网络在预测过程中会出现局部最小化以及收敛速度慢的问题,本文将改进的遗传算法(genetic algorithm)应用到传统BP...
我国是农业大国,在进行农业生产过程中,对土壤的湿度进行精准预测具有非常重要的意义.针对传统BP(back propagation)神经网络在预测过程中会出现局部最小化以及收敛速度慢的问题,本文将改进的遗传算法(genetic algorithm)应用到传统BP神经网络模型当中,提出了一种自适应遗传算法优化BP神经网络的土壤湿度预测方法.通过Matlab仿真软件建立改进遗传算法优化BP神经网络的预测模型,并且对哈尔滨地区玉米地的土壤湿度进行实验.结果表明,该模型的精度高于未优化的BP神经网络.该模型能够大量减少湿度传感器的使用,为农业生产减少了成本.
展开更多
关键词
神经网络
遗传算法
土壤湿度监测
智慧农业
下载PDF
职称材料
基于神经网络算法的果树需水预测研究
被引量:
1
2
作者
何淑林
刘慧敏
+1 位作者
金立强
刘勇
《灌溉排水学报》
CSCD
北大核心
2022年第1期19-24,共6页
【目的】准确预测果树需水量。【方法】对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子。建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量。为提高预测的精度,在LSTM神经网络的基础上加入了注意...
【目的】准确预测果树需水量。【方法】对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子。建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量。为提高预测的精度,在LSTM神经网络的基础上加入了注意力(Attention)机制,形成Attention-LSTM预测模型。【结果】将改进的模型与其他模型的预测精度进行对比,仿真试验表明,该模型的预测精度最高,RMSE和MSE分别为0.487和0.062。【结论】该预测模型可以准确预测果树蒸腾量,从而实现果园精准灌溉并提高水果产量,具有一定的实际意义。
展开更多
关键词
蒸腾量预测
LSTM神经网络
主成分分析
注意力机制
果树
下载PDF
职称材料
题名
基于改进遗传算法优化BP神经网络的土壤湿度预测模型
被引量:
9
1
作者
王佳楠
王玉莹
何淑林
时龙闽
张艳滴
孙海洋
刘勇
机构
黑龙江大学电子工程学院
黑龙江东部节水设备有限公司
出处
《计算机系统应用》
2022年第2期273-278,共6页
基金
中央引导地方科技发展项目(SBZY2021E006)。
文摘
我国是农业大国,在进行农业生产过程中,对土壤的湿度进行精准预测具有非常重要的意义.针对传统BP(back propagation)神经网络在预测过程中会出现局部最小化以及收敛速度慢的问题,本文将改进的遗传算法(genetic algorithm)应用到传统BP神经网络模型当中,提出了一种自适应遗传算法优化BP神经网络的土壤湿度预测方法.通过Matlab仿真软件建立改进遗传算法优化BP神经网络的预测模型,并且对哈尔滨地区玉米地的土壤湿度进行实验.结果表明,该模型的精度高于未优化的BP神经网络.该模型能够大量减少湿度传感器的使用,为农业生产减少了成本.
关键词
神经网络
遗传算法
土壤湿度监测
智慧农业
Keywords
neural network
genetic algorithm
soil moisture monitoring
smart agriculture
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
S152.71 [农业科学—土壤学]
下载PDF
职称材料
题名
基于神经网络算法的果树需水预测研究
被引量:
1
2
作者
何淑林
刘慧敏
金立强
刘勇
机构
黑龙江大学
黑龙江东部节水设备有限公司
出处
《灌溉排水学报》
CSCD
北大核心
2022年第1期19-24,共6页
基金
中央地方引导项目(SBZY2021E006)
绥化市本级应用研究与开发项目。
文摘
【目的】准确预测果树需水量。【方法】对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子。建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量。为提高预测的精度,在LSTM神经网络的基础上加入了注意力(Attention)机制,形成Attention-LSTM预测模型。【结果】将改进的模型与其他模型的预测精度进行对比,仿真试验表明,该模型的预测精度最高,RMSE和MSE分别为0.487和0.062。【结论】该预测模型可以准确预测果树蒸腾量,从而实现果园精准灌溉并提高水果产量,具有一定的实际意义。
关键词
蒸腾量预测
LSTM神经网络
主成分分析
注意力机制
果树
Keywords
evapotranspiration forecast
LSTM neural network
PCA
attention algorithm^(2)fruit trees
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
S126 [农业科学—农业基础科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进遗传算法优化BP神经网络的土壤湿度预测模型
王佳楠
王玉莹
何淑林
时龙闽
张艳滴
孙海洋
刘勇
《计算机系统应用》
2022
9
下载PDF
职称材料
2
基于神经网络算法的果树需水预测研究
何淑林
刘慧敏
金立强
刘勇
《灌溉排水学报》
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部