BP神经网络在粮食干燥预测模型中的应用

粮食干燥系统是一个大时滞、多干扰的强非线性系统,难以获得精确数学模型,针对粮食干燥这一难题,利用玉米干燥实际生产数据建立BP神经网络预测模型,通过干燥机排粮频率实际值和模型预测值进行研究对比,得出利用BP神经网络可以快速、准确地建立模型来描述排粮频率变化规律.该神经网络预测误差较小,预测效果较好.     

BP神经网络在粮食霉变预测中的应用研究

霉变是造成粮食损失的重要原因,为了降低损失,将危害控制在萌芽状态,提前预测预警意义重大。本研究利用MATLAB的神经网络工具箱建立了预测粮食霉变的BP神经网络,给出了稻谷在给定含水率、温度、储藏时间的条件下是否会发生霉变的预测模型。同时,通过合理选择训练样本的数目,探究训练样本数量对网络精度的影响,并通过华北地区实仓数据验证由实验数据得到的BP神经网络在实际应用中所能达到的准确程度。经过验证,对于实验数据,训练样本数目大于400时,神经网络预测正确率可以达到94.3%;样本数越大,正确率越高。随机选择2 500个实验室样本数据进行训练得到的神经网路预测模型,对剩余样本预测准确率达到98%,对于实仓检测数据,正确率可以达到82.1%。     

粮食储存品质检验影响因素的分析

粮食对于人们的日常生活极为重要,随着人们日常生活水平的不断提升,对于粮食安全愈发的重视。若粮食检验存在不规范问题,不但会造成粮食生产的经济损失,还会对人们的身体健康造成一定的影响。粮食检验属于技术性较强的工作,主要针对粮食与粮食产品的工艺品质、营养品质以及食用品质等各个指标进行综合分析。本文主要分析影响粮食储存品质检验的因素。     

基于PCA和BP神经网络的葡萄酒品质预测模型

研究基于主成分分析(PCA)和神经网络建立葡萄酒评价模型并进行预测。该模型先将葡萄和葡萄酒中33个理化及风味指标进行主成分分析,再以主成分得分作为输入数据,葡萄酒的感官评价得分作为输出数据,建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒质量的关系模型。结果表明:通过检测主成分的质量指标,能对葡萄酒给出很好的质量评价;该模型与传统的网络模型相比,能很好的简化网络结构,输入神经元个数从33个减少为9个,收敛速度提高87.5%,模型绝对误差的最大值为0.35。     

基于BP神经网络的手部尺寸预测模型构建

针对手部尺寸测量项目多、繁杂的问题,文章提出构建基于数据驱动的数学模型来预测手部尺寸的方法。通过三维扫描仪采集232名在校女大学生手部三维点云数据,构建辅助点、线、面标准化测量方法,获取人33项特征部位尺寸,运用主成分分析得到影响手部形态的5个因子,采用相关指数最大值法获取手长、手宽、中指长、食指近位指关节围、无名指到腕中心距离5个典型指标,分别构建了BP神经网络、多元线性回归手部尺寸预测模型。结果表明：BP神经网络预测模型的MAE较低,相关性系数R²接近于1.000,25项手部尺寸的Sig.值大于0.050,预测效果良好,稳定性较高。研究结果可为通过少量易测量的手部尺寸预测其他手部尺寸提供参考。     

基于BP神经网络的机采原棉品质指标预测模型

为了对脱籽后的机采原棉品质指标进行预测并实现优化控制,设计了用于机采原棉品质指标预测的BP神经网络模型。以南疆地区机采棉为研究对象,以影响原棉品质的主控因素籽棉回潮率和轧花速度为BP神经网络模型的基本特征量,建立了机采原棉品质指标的BP神经网络预测模型。结果表明:该BP神经网络模型能较好表达机采原棉各品质指标与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数均接近1,模型预测效果较佳。认为:该BP神经网络模型可作为机采原棉品质预测与调控的新方法,也可应用于机采籽棉轧花在线原棉品质监控。     

基于主成分分析的BP神经网络粮食产量预测模型

我国作为世界上人口最多的国家,始终把发展粮食生产放在社会发展的重要位置。粮食产量变化具有非平稳性,若采用传统的预测方式会使预测结果不理想。BP神经网络对粮食产量进行预测能较好地描述粮食产量的非平稳性;主成分分析法能将高维数据缩减到更小的维度来理解高维数据。本文采用主成分分析法与BP神经网络相结合的预测模型,可以优化BP神经网络,提高粮食产量预测的精确度,是一种有效的粮食产量预测途径。     

粮食储存品质影响因素分析

粮食储存过程中粮食品质变化是判断粮食是否储存的重要指标,本文主要是对影响粮食储存品质的几个重要因素进行分析,并对这些因素进行了简要的阐述。     

基于BP神经网络的原棉短纤指数预测模型

为对脱籽后原棉的短纤指数进行预测,采用遗传优化BP神经网络预测法,设计了原棉短纤指数预测的遗传优化BP神经网络模型。以南疆地区原棉为研究对象,选择籽棉回潮率和轧花速度频率2个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立原棉短纤指数的遗传BP神经网络预测模型。结果表明,遗传BP神经网络模型能较好地表达原棉短纤指数与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数达0.999 8,模型预测效果较佳。     

基于粮食储存过程中品质的变化与控制

我国是一个人口大国,解决人口的粮食问题是国民发展的关键所在。因此,粮食的储存关乎农业经济的发展与民生工作的稳定,如何解决粮食在储存过程中容易发生变质的问题已经成为相关工作单位和人员的重点研究方向。本文以粮食在仓库内存储环节中的品质变化为析课题,结合实际工作经验,对解决粮食变质的措施进行综合总结,意在降低粮食损耗,提高粮食储存效益。     

基于BP网络的成纱质量预测的数据挖掘

通过对原棉性能及成纱质量历史数据的分析,建立了用于数据挖掘的样本库。在此基础上设计了成纱质量预测的BP神经网络模型,并对成纱的强力、条干CV值和毛羽等质量指标进行了预测分析,仿真结果表明该方法具有很好的预测效果。     

基于遗传算法和BP网络的精毛纺粗纱质量预报

针对BP神经网络收敛速度慢、容易陷入局部最优解和遗传算法搜索范围广、效率高、鲁棒性强的特点,提出将二者结合用于精毛纺粗纱过程建模和质量预报。将BP网络初始权重和阈值按一定规律串接成字符串作为遗传算法的染色体,通过选择、交叉和变异操作对其优化, 优化后的值作为该BP网络的初始权重和阈值进行二次训练。采用相同的数据训练表明,未优化的BP网络达不到预定精度或陷入局部最优解,经GA优化后收敛速度快且达到了所需精度。粗纱CV值和单重的20组数据预报表明：预报值与实测值间的相对平均误差率由之前的3.56%和3.48%分别降低到2.55%和2.23%;预报值和实测值间的相关系数较之前大为提高。     

用BP神经网络预测精纺毛织物后整理质量

通过确定合理的输入层单元数、隐层节点数,以3层BP神经网络建立了原料、纱线和后整理工艺参数与织物质量间的关系,对实际加工工艺进行预测,获得较满意的效果,证明该方法的实用性;同时建立了织物质量与工艺参数间的关系,并对重要工艺参数进行反演预测,为控制生产提供了指导.     

基于改进粒子群算法的平房仓粮温BP神经网络预测模型建立

在传统的BP神经网络预测模型的基础上引入改进的粒子群算法对神经网络中的权值和阈值进行不断优化,针对平房仓内部不同温度监测点处的粮食温度建立预测模型,改进后的粒子群算法拥有更好的局部寻优能力和全局寻优能力,较传统的BP神经网络预测拥有更精确的预测精度,更小的预测误差,使优化后的BP神经网络能快速的从历史粮温中总结平方仓粮温变化规律,实现平房仓粮温的预测。     

基于BP神经网络的国毛毛条质量预测模型

采用BP神经网络预测技术建立少于3层的国毛毛条加工质量预测模型,利用贝叶斯判别规则提高网络的学习能力,通过实验对比选出最优隐层神经元数。模型预测结果表明,用神经网络方法预测毛条加工性能与实际结果有相当高的一致性。     

BP神经网络模型在纺纱质量预测中的应用

论述了配棉工艺系统中纺纱质量的预测建模与算法实现。通过分析数据仓库的各方面特性，面向纺纱质量设计数据仓库；通过BP算法，对纺纱质量进行网络建模，实现纺纱质量的预测。该系统在某纺织公司运行良好。     

根据常规化学指标识别烟叶品质的BP神经网络模型

运用烟草知识对烟叶进行初步分类,以经过标准化处理的常规化学指标和烟叶评吸指标为依据,由训练样本集得到最佳的网络参数,在此基础上对检验样本进行了烟叶品质的识别。提出了利用3层BP人工神经网络识别烟叶品质的方法。人工神经网络用于烟叶品质识别,结果与实际符合良好。该方法优于传统的识别方法,也优于文献报道的识别误差。      

基于BP神经网络的仓储小麦的生理生化指标预测

BP神经网络算法在粮食仓储领域拥有巨大的应用价值和潜力。本研究尝试将BP神经网络引入仓储小麦品质预警模型,以天津储粮抽检数据为对象,通过对室内温度的记录,样品水分、淀粉、蛋白质等11项生理生化指标的定期检测,利用BP神经网络算法进行仓储小麦的品质预测与影响分析。仿真结果表明,基于BP神经网络的数据预测方法具有较小的过程误差和较高的结果准确性,为仓储小麦的品质预测提供了一种有效的研究方法。     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.