基于RBF神经网络分析的微弱电信号预报

采用自制双重屏蔽系统(屏蔽室和屏蔽箱结合)和自制的铂金传感器刺入植物茎部接触式微弱电信号的测试方法,对绿萝(Scindpsus aureus)植物的自身电信号进行了测试.利用小波软阈值消噪法对测试数据进行消噪,并进行了时间序列的高斯径向基函数神经网络预测.结果表明,利用径向基函数(RBF)人工神经网络对植物微弱电信号进行短期预测是可行的.预测数据可用作温室和/或塑料大棚生产中建立植物自适应电信号智能自动化控制系统的重要参数.

菊花微弱电信号的神经网络预测

依据菊花(Dendranthema morifolium)植物电信号小波软阈值消噪后的数据,进行了其电信号时间序列的高斯径向基函数(RBF)神经网络预测.菊花植物电信号是一种微弱低频非平稳信号,最大幅值1 093.44μV,最小为-605.35μV,均值-11.94μV;功率谱分布为0-0.2 Hz.该结果说明,利用RBF人工神经网络对植物微弱电信号进行短期预测是可行的,其预测数据可作为以节能为目标依据植物自适应电信号特性建立温室和/或塑料大棚智能自动化控制系统的重要参数.

燕子掌微弱电信号的计量研究

利用自制的屏蔽室和屏蔽箱以及自制的铂金传感器接触式微弱电信号测试仪,初次获得了燕子掌(Crassula portulacea)自适应微弱电信号特性.采用小波软阈值消噪法对测试电信号进行消噪,并进行了时间序列的高斯径向基函数(RBF)神经网络预测.结果表明,采用RBF人工神经网络对植物微弱电信号进行短期预测是可行的.实现预测是在温室和/或塑料大棚生产中建立植物自适应智能化自动控制系统的关键环节.