基于BP网络的黑龙江省水田发展面积动态仿真研究

简要分析BP网络的结构和学习过程,以黑龙江省连续30a的水田发展面积数据为例,通过自相关分析,确定输入输出样本对,建立BP网络动态仿真模型,并对仿真结果进行拟合和预测精度检验。研究结果表明,模型仿真精度较高,可以对黑龙江省未来水田发展面积进行预测。预测结果可以为黑龙江省粮食发展规模的确定和农业长期规划的编制提供一定的数据参考。     

基于BP网络的PI控制器的研究

从ＢＰ网络的特点出发，讨论了基于ＢＰ网络的ＰＩ控制器的结构，仿真结果表明该系统不仅具有满意的动态特性，而且具有较强的鲁棒性与自适应性。     

基于BP神经网络的宝泉岭分局季降水量动态仿真研究

分析了BP神经网络的结构和学习过程,以宝泉岭分局12 a的季降水量数据为例,通过自相关分析,确定输入输出样本对,进而建立BP神经网络动态仿真模型,并对仿真结果进行拟合和预测精度检验.研究结果表明:模型仿真精度较高,可以对宝泉岭分局未来季降水量进行预测.预测结果可以为相关部门充分利用降水资源和合理制定灌溉制度提供一定的参考依据,     

基于BP网络的承压水漏斗动态规律研究

为了研究区域地下水的变化规律,结合沧州1989～2007年72眼观测井的水位、区域开采量和补给量等资料,研制了该区域承压水漏斗水位的BP网络模型。该模型具有分布参数模型的特征,对水位拟合与检验的合格率均大于70%,符合相关规程要求。应用所建模型,对5个不同开采与补给方案下,研究区未来10 a承压水漏斗的动态变化进行了模拟,模拟结果合理、可靠。     

基于BP神经网络的宝泉岭分局季降水量动态仿真研究

分析了BP神经网络的结构和学习过程,以宝泉岭分局12a的季降水量数据为例,通过自相关分析,确定输入输出样本对,进而建立BP神经网络动态仿真模型,并对仿真结果进行拟合和预测精度检验。研究结果表明：模型仿真精度较高,可以对宝泉岭分局未来季降水量进行预测。预测结果可以为相关部门充分利用降水资源和合理制定灌溉制度提供一定的参考依据.     

基于改进BP网络的轴流式水轮机调节特性仿真

为了获得水力机组在小开度、小流量工况点下非线性特性数据,利用改进BP网络与MATLAB神经网络工具箱相结合的方法,将已知的水轮机综合特性曲线数据与边界约束点相结合,经网络自动学习训练可获得低效区的流量延拓、力矩延拓仿真曲面。改进BP网络模型可以大大地提高水轮机综合特性曲线数据处理的效率与精度,是研究水轮机控制系统的一种新的非线性建模仿真模型。     

基于粒子群优化GM(1,1)模型的黑龙江省农作物播种面积发展态势研究

介绍了灰色GM(1,1)预测模型和粒子群算法的基本原理,提出了基于粒子群优化的GM(1,1)模型建模思路。以黑龙江省连续15年的农作物播种面积数据为基础,建立了基于粒子群优化的GM(1,1)灰色预测模型,对黑龙江省农作物播种面积进行了模拟和预测,并对预测结果进了检验。精度检验结果表明:模型有效性和可靠性较高,可以对黑龙江省未来几年的农作物播种面积进行预测。该模型揭示了黑龙江省农作物播种面积随时间的变化规律,对黑龙江省土地利用规划部门合理进行土地规划,切实保障农民的利益,提高农民耕种的积极性具有重要意义。     

基于育种算法的BP网络学习研究

基于育种算法的BP网络学习算法．用育种算法替代传统BP算法中的梯度下降法,使得改进后的算法具有不易陷入局部极小、泛化性能好等特点。该算法应用于径流预测的实验证明：这种算法能够明显减少迭代次数、提高收敛精度,其泛化性能也优于传统BP算法。     

基于水利建设视角的黑龙江省粮食单产影响因素分析

介绍了黑龙江省粮食单产和水利建设的情况,并利用主因子分析法,探讨了水利建设各组成部分对黑龙江省粮食生产的影响。     

BP网络模型在灌区地下水位动态模拟中的应用

采用误差反传算法的神经网络模型（简称BP网络）,建立了某井灌区地下水位动态BP网络模型,模拟了不同灌水量条件下地下水位的动态变化,研究结果表明模型具有较高精度,能较好地表征研究区域的地下水水位动态变化特征。     

基于灰关联分析的黑龙江省粮食增产主要影响因子评价研究

采用灰色理论中的绝对关联度和速率关联度,以黑龙江省粮食总产量为参考序列,其影响因子粮食播种面积、粮食单产、有效灌溉面积、化肥施用量、农药使用量及农机总动力等6个变量为比较序列,构建了黑龙江省粮食增产主要影响因子评价的灰关联分析模型,最后根据评价结果提出了黑龙江省粮食增产的建议。     

基于改进BP算法的地下水动态预测模型

运用学习率自适应动量BP算法建立了吉林西部地下水埋深人工神经网络模拟预测模型。首先利用自回归分析方法确定网络输入输出样本,而后应用“试错法”确定隐含层节点数,最终建立了6∶10∶1的ANN地下水动态模拟预报模型,最后应用VB语言依据改进BP算法编制计算程序进行模拟计算。通过对模型检验可知该模型模拟和预测精度均较高,完全可应用于地下水位动态预报。2002年以后的预报结果表明该地区地下水位持续下降,应及时加以控制。     

水利建设对黑龙江省粮食生产的影响

简要介绍了黑龙江省粮食生产和水利建设的情况，并利用灰色关联分析，探讨了水利建设对黑龙江省粮食生产的影响。从而阐明除涝和治理水土流失作用最为显著，666．67hm^2以上灌区有效灌溉面积和水库库容量是重要影响因素，而堤防保护面积、机电井灌溉面积的作用相对较小，但不容忽视。在分析的基础上提出了今后水利建设的建议。     

基于BP网络和RBF网络的河道浅滩演变预测模型

利用神经网络BP理论在处理非线性问题上的优势，在分析影响河道浅滩演变因素的基础上，建立了基于MATLAB的河道浅滩演变BP网络模型，实例结果表明，利用BP网络和RBF网络模型对浅滩变化进行预测是可行的，具有很好的应用价值，为河道浅滩演变预测研究提供了新方法。     

水电工程监理评标BP网络模型研究

为了使水电工程监理评标规范化、科学化,基于BP人工神经网络理论,并结合监理评标工作的特点,建立了监理评标BP网络模型。考虑到BP模型的误差反向传播算法容易陷入局部极小点,以及会出现收敛速度慢等问题,对模型训练的计算方法进行了改进。将所建立的评标模型应用于实际,并对模型的学习能力进行了检验,结果表明,该模型精度较高,具有较好的适用性。     

黑龙江省水-能源-粮食系统动力学模拟

基于系统动力学理论,建立黑龙江省水-能源-粮食纽带关系仿真模型,对2010—2017年黑龙江省水资源的供需情况和能源、粮食的生产与消费进行模拟。通过设置和对比4种不同的发展方案,探究黑龙江省水-能源-粮食合理的配置方案。结果表明:黑龙江省的水资源安全形势较为严峻,在4种发展方案中,采取严格规划方案的正面效果最显著;强化发展方案下的能源消耗最明显,无论采取哪种发展方案,如果不对能源消费量加以控制,全省的能源安全可能无法保证;黑龙江省的粮食安全比较稳定,不易受外部条件的影响,保守节约方案下的粮食库存和粮食供需平衡比最大;仅采取一种发展方案可能无法实现水-能源-粮食系统的整体安全。     

基于BP网络模型的大桥水库入库径流预测

大桥水库入库径流预测对其水资源合理利用有着十分重要的实际意义。由于径流过程具有不确定性和随机性的特点,本文利用BP人工神经网络模型,根据大桥水库坝址径流资料,分析了径流变化的基本规律,并对入库径流进行预测。研究结果表明,建立的径流预测模型精度较高,从而为大桥水库工程综合利用及优化管理提供了有效的方法。     

基于模拟退火算法的BP网络在地下水位预测中应用

BP网络使用传统的权值修正方法易使网络在训练过程中,陷入局部极小点。本文将模拟退火算法与BP网络结合起来,可以保证网络在训练速度不被降低的情况下找到全局极小点。     

基于BP网络的全国需水量预测研究

采用BP算法设计预测系统对1980年、1993年、1997～2003年全国生活用水量、农业用水量、工业用水量进行了预测,并与实际用水量数据比较,预测结果准确有效.用该系统预测了2010年、2030年、2050年全国用水量.结果表明,我国未来几十年用水总量不会有大的增长,在人口继续增加的情况下,将继续保持当前的水平.     

基于BP网络的中长期水文预报精度影响分析

文章分析了影响中长期水文预报BP网络模型精度的因素,其中输入层节点数、节点转换函数及网络训练方式的选择对模型精度的影响很大。并结合研究结果,对中长期水文预报BP网络模型的参数优选提出了一些建议。