平塘县农产品加工业现状、短板及对策

导读:农产品加工是贯穿一二三产业,衔接农业的产前、产中、产后,突显农业产业化、农村工业化、农村城镇化和农民组织化的一个重要途径,对于全面解决“三农”问题具有十分重要的战略意义。农产品加工水平是衡量农业现代化程度的重要标志,是提升农业现代化整体素质和效益的关键环节,是推进农业现代化建设、促进农民持续增收、巩固拓展脱贫攻坚成果、有效衔接乡村振兴的重要途径。

基于GA-Elman神经网络模型的年径流预测

针对传统神经网络模型静态性及训练算法易陷入局部极值的缺陷,为了实现神经网络训练全局寻优,提高模拟精度,并使网络结构能动态反映年径流系列的时变特性,本文以年降雨及气温作为输入因子、年径流量为模型预测对象,结合遗传算法和Elman神经网络各自的优点,采用遗传算法对网络权值阈值全局优化,通过二者的耦合构建了GA-Elman年径流预测模型。利用构皮滩站1961—2015年的径流系列对模型进行了训练及测试,并对各模型预测性能比较分析。结果表明:GA-Elman模型预测平均相对误差5.29%、均方根误差55.81 mm,效果良好,对于径流预测具有实用价值;神经网络模型预测精度优于基于线性方法的模型,预测平均相对误差从12.01%降至7.07%以下;采用遗传算法改进神经网络权值阈值优化过程,预测平均相对误差从7.07%降低到5.29%,可明显提高模型泛化能力,从而改善径流预测效果。

基于GA-Elman神经网络的参考作物需水量预测

根据通东灌区多年气象资料以及逐日参考作物需水量数据,构建了以日序数、日照时数、日平均气温等因子为输入向量,以逐日参考作物需水量为输出向量的GA-Elman神经网络参考作物需水量预测模型,通过随机选取方式,采用通东灌区2015年逐日气象资料及参考作物需水量等数据对模型进行了测试,结果表明:构建的GA-Elman模型具有较高的预测性能精度,其相对误差绝对值均值为7.24%,绝大多数处于0%～25%范围内,其中处于0%～10%范围内的占总数81.8%,模型具有较强的实际应用价值。

基于模式识别神经网络的水资源配置评价模型研究

针对传统水资源配置合理性评价方法中存在的缺陷,为了解决其在评价过程中确定参数或指标权重时较大主观任意性的问题,基于模式识别神经网络和水资源配置评价指标及分级标准构建了模式识别神经网络水资源配置评价模型,该模型数据通过在分级标准阈值区间以随机内插方法产生,以分类误判百分率和交叉熵为模型性能评价指标,模型经过设计实现,对其进行了训练及测试实验,并结合实例应用该模型进行了全国各省级行政区水资源配置评价。实验结果表明:模式识别神经网络水资源配置评价模型精度性能较高、分类能力优良,其训练集、验证集及测试集交叉熵误差分别为2.81×10^(-7)、3.07×10^(-7)、1.31×10^(-6),且其分类误判百分率都为0;进一步的实例分析进一步表明,模型应用于水资源配置评价实践中的合理可行性,评价结果分析则揭示了在水资源配置中存在的突出问题,提出了改进配置合理性的建议。

基于NARX神经网络的年径流预测

针对传统BP模型在时间系列年径流预测中的适应性问题,本文构建了基于动态反馈性NARX神经网络的年径流预测模型,模型结构带有外部输入的非线性自回归网络,输入向量选取降雨及气温,输出向量为未来的年均流量。本文采用构皮滩站历史实测数据对模型进行训练及测试,对NARX模型与传统BP模型及逐步线性回归模型性能进行了对比分析。