基于Jensen模型与SSA-BP模型的宽垄沟灌冬小麦水氮生产函数研究

为了明确宽垄沟灌下不同水氮处理冬小麦的产量、耗水特性和水氮生产函数,本研究设计灌水下限为田间持水率的60%(W1)、70%(W2)和80%(W3)3种灌溉处理,120 kg/hm^(2)(N1)、220 kg/hm^(2)(N2)和320 kg/hm^(2)(N_(3))_(3)种施氮处理,共9组试验处理,运用耗水量-施氮量-产量构建水氮生产函数的Jensen模型与SSA-BP模型。结果表明,宽垄沟灌下冬小麦产量在N2W2处理最大,为8121.75 kg/hm^(2);耗水量在N3W3处理最大,为444.61 mm;水分利用效率在N2W2处理最大,为2.07 kg/m^(3);氮肥偏生产力在N1W2处理最大,为64.03 kg/kg;Jensen模型下的水分敏感指数累积曲线表明,在整个生育阶段拔节-抽穗期的水分敏感指数最大;针对BP神经网络收敛速度慢等问题,引入麻雀搜索算法进行优化,构建SSA-BP模型下的水氮生产函数,通过多次训练对比发现,SSA-BP模型比原始BP模型迭代次数更少,误差更小;对水氮生产函数进行产量的模拟值与实测值对比,发现Jensen模型、SSA-BP模型和BP模型均能得到线性拟合接近y=x的实测产量与预测产量,且SSA-BP模型效果更好;综合考虑冬小麦产量及水氮利用,宽垄沟灌下冬小麦可以选择70%田间持水率的灌水下限和235.98 kg/hm^(2)的水氮方案,结果可为宽垄沟灌冬小麦水氮施用制度提供参考依据。

基于SSA-BP近似模型的湿式制动器带排转矩参数CSO智能优化

针对湿式制动器在非制动工况下功率损失的工程问题,考虑摩擦副间隙内部的润滑油对摩擦副带排转矩的影响,运用麻雀搜索算法-反向传播(Sparrow Search Algorithm-Back Propagation,SSABP)神经网络的强大非线性拟合能力,以制动器空载工况为输入量、带排转矩为输出量,建立了湿式制动器近似模型;与传统的BP模型对比,该模型预测精度明显提高,更能满足实际工程的需要;同时,为获取最小带排转矩,采用鸡群优化(Chicken Swarm Optimization,CSO)智能算法对工况参数进行搜索寻优,得到湿式制动器的最佳工况。经试验测试验证,与优化前相比,优化后摩擦副间的带排转矩和功率损失有着明显降低。研究为湿式制动器结构的进一步优化提供了理论基础和工程实践经验。

基于SSA-BP神经网络模型的全球入海径流量未来变化趋势

入海径流是水循环的重要环节,探究气候变化背景下全球入海径流量的时空变化特征,可为水资源合理利用提供依据。基于全球376条外流河逐月流量、ERA5-LAND再分析资料和10个全球气候模式,构建基于SSA-BP神经网络的降水径流关系模型,分析全球入海径流量在历史时期(1961—2020年)和未来(2021—2100年)3种情景(SSP1-2.6、SSP3-7.0和SSP5-8.5)下的时空变化特征。研究发现:(1)全球尺度上,1961—2020年,多年平均入海年径流量为37423 km^(3)。2021—2100年,全球入海年径流量在未来3种情景下均呈增加趋势,SSP1-2.6情景下趋势显著。与基准期相比,21世纪末期增幅最大。(2)洲际尺度上,历史时期,非洲入海径流量呈显著减少趋势,北美洲呈显著增加趋势。2021—2100年,亚洲、北美洲在3种情景下呈增加趋势,大洋洲呈减少趋势,其余各大洲情景间差异明显。(3)纬向分布上,历史时期,南北半球低纬度变化趋势不显著;北半球中纬度呈弱减少趋势,南半球中纬度呈显著减少趋势;北半球高纬度呈显著增加趋势。2021—2100年,从低到高排放情景,入海径流在北半球低纬度的增加趋势和在南半球低纬度的减少趋势愈发显著;北半球中高纬由低排放情景的显著增加转变为中高排放情景的显著减少;南半球中纬度在低排放情景下呈显著增加趋势,在中高排放情景下趋势不显著。

基于CMS-SSA-BP模型的混凝土碳化深度预测性能对比

为了提高SSA-BP模型的预测准确性,分别使用三类混沌映射序列(CMS)初始化麻雀位置,帮助SSA-BP模型跳出局部极值,从而提高解的质量。利用200组实际混凝土碳化深度试验数据作为运行数据,以黏接剂剂量、粉煤灰置换水平、水胶比、CO_(2)体积分数、相对湿度、暴露时间作为输入变量,混凝土碳化深度作为输出变量,分别运行2次后得出各项指标数值,对比分析三类CMS-SSA-BP模型各自的优化点。结果表明,经过混沌映射序列(CMS)优化的SSA-BP模型预测性能更佳,其中,Tent-SSA-BP模型的预测精度最佳,Logistic-SSA-BP模型的预测稳定性最佳,Sine-SSA-BP模型的收敛速度最快。

基于单天线视轴信号传播模型的RFID定位方法

为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题,本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置;其次,调整天线高度与目标高度一致,然后步进旋转扫描以识别目标的方向角;进一步的,利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距;最后,综合高度、方向角和距离数据完成目标的定位。实验结果表明,在室内环境测试中,所提出的方法平均定位误差为7.2 cm,能够满足一般室内场景下物品的定位需求。

基于SSA-BP神经网络模型的系统性金融风险预警分析

本文通过SSA-BP神经网络模型对系统性金融风险进行研究,并对中国的系统性金融风险进行评估和预警。第一,本文选取我国2008—2022年18个金融指标的月度数据构建了初始金融指标体系,在此基础上运用主成分分析和K-均值聚类将金融风险划分为四类。第二,基于SSA-BP神经网络模型建立我国金融风险预警模型,并通过2022年的数据对2023年的金融系统性风险状态进行仿真预测。结果显示,2023年的金融系统风险处于警戒状态或危险状态,值得重点关注。

基于表面肌电信号及肌肉疲劳的上肢肌力预测

为解决目前肌肉力测量时用肢体末端力表示实际肌肉力大小,以及未将肌肉疲劳程度考虑在内的问题,本文提出了一种基于表面肌电信号和肌肉疲劳的上肢肌肉力预测方法。利用AnyBody软件建立上肢肌肉骨骼模型,并将上肢末端力经过仿真得到单块肌肉的肌力大小;采用肌肉等长收缩的时间来表征肌肉疲劳程度。10名健康男性受试者进行上肢等长收缩实验,提取实验过程中肱二头肌肌电信号的积分肌电值、均方根、中值频率、平均功率频率、最大小波系数及其对应频率六个特征值;将肌肉力与特征值、肌肉疲劳程度进行分析后发现三者之间高度相关。采用麻雀搜索算法优化BP神经网络的权值和阈值,构造并训练上肢肌力预测模型。经测试集检验结果表明,该方法的误差小于12%,可以对肌力进行较为准确的预测。

基于SSA-BP与SSA的地下水污染源反演识别

应用基于SSA-BP神经网络替代模型的模拟-优化方法和SSA研究了地下水污染源位置及释放历史的反演识别问题.并在建立地下水水流模型时,应用Cholesky分解方法建立含水层渗透系数连续场,该方法相比于普通的参数分区方法更好地描述了水文地质参数的非均质性.结果表明:SSA-BP神经网络替代模型对模拟模型具有较高的逼近精度,其平均相对误差仅有3.21%.应用SSA求解优化模型,能够快速准确地识别出点污染源的位置及释放历史.SSA对污染源位置的反演识别相对误差在10%左右,对污染源源强的反演识别相对误差不超过4%.因此,本文所提出的方法是一种有效的地下水污染源识别方法,可为污染责任认定及污染修复方案的优化提供参考.

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性。采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果表明,SSA-BP神经网络模型的预报精度和稳定性最高,且随着预报时间的增加,模型的优越性更加明显。

基于麻雀搜索算法优化BP神经网络的光伏系统最大功率点追踪的研究

利用麻雀搜索算法对BP神经网络的初始权值和阈值进行优化和调整,以提高BP神经网络模型跟踪光伏系统最大功率点的精度和稳定性。将实验仿真数据带入SSA-BP神经进行多次实验,结果表明,基于SSA-BP神经网络预测光伏系统最大功率点模型的预测精度和稳定性较为优良,实际应用中可以起到节能作用。