张舒蕾
- 作品数：7 被引量：32H指数：3
- 供职机构：中国农业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：农业科学医药卫生更多>>
- 基于深度置信网络模型的土壤墒情预测方法和系统
- 本发明涉及一种基于深度置信网络模型的土壤墒情预测方法和系统，该方法包括：采集土壤墒情和环境气候数据；筛选关键环境因素；构建数据库；建立深度置信网络模型；对深度置信网络模型进行训练；利用深度置信网络模型对土壤墒情进行预测。...
- 冀荣华张舒蕾高万林祁力钧李鑫
- 文献传递
- 基于GM(1,1)模型群的农田土壤墒情短期预测被引量：5
- 2016年
- 全面比较和分析了春玉米全生育期内土壤墒情的时空分布特征。结果表明,土壤墒情数据为非平稳时间序列,具有周期性;降水量是影响土壤墒情的重要环境因素,其影响规律具有较大随机性。以不同土层深度(10、30 cm,分别代表2种墒情变化情况)和春玉米不同生育期(4个)交叉组合的土壤墒情作为模型对象,基于GM(1,1)预测方法构建农田土壤墒情短期预测模型群。预测结果表明该子模型的预测精度均较高,平均相对误差均小于2%,其中以苗期10 cm处土壤含水率预测效果最佳。考虑降水量的影响,对模型群中参数u进行优化,使得所建土壤墒情短期预测模型群的预测更为准确有效。
- 冀荣华李鑫张舒蕾郭敏英
- 关键词：土壤墒情GM(1,1)模型模型群
- 基于MLMVN的春玉米土壤墒情多变量多步循环预测
- 土壤墒情精准预测是实现农业智能节水灌溉的重要数据基础。以往土壤墒情预测存在预测模型参数复杂及随着预测步长增大误差累计严重的问题。本文在全面分析土壤墒情时间序列特点及其与环境影响因素间的相关性后，提出建立基于多值神经元的复...
- 冀荣华张舒蕾郑立华
- 关键词：时间序列土壤墒情
- 基于复数神经网络的土壤墒情预测方法及装置
- 本发明实施例公开了一种基于复数神经网络的土壤墒情预测方法及装置。方法包括：获取待预测土壤的历史墒情数据；从所述历史墒情数据中选取距离预测时间点最近的N个时间点对应的墒情数据；将选取的墒情数据转换为单位圆上的复数；根据转换...
- 冀荣华张舒蕾郑立华刘云玲
- 文献传递
- 基于深度置信网络模型的土壤墒情预测方法和系统
- 本发明涉及一种基于深度置信网络模型的土壤墒情预测方法和系统，该方法包括：采集土壤墒情和环境气候数据；筛选关键环境因素；构建数据库；建立深度置信网络模型；对深度置信网络模型进行训练；利用深度置信网络模型对土壤墒情进行预测。...
- 冀荣华张舒蕾高万林祁力钧李鑫
- 基于多值神经元复数神经网络的土壤墒情预测被引量：16
- 2017年
- 为指导节水灌溉策略的制定,利用基于多值神经元的复数神经网络(multilayer neural network with multi-valued neurons,MLMVN)方法,建立了土壤墒情多步预测模型。首先,利用均值法替换样本中的异常值并对缺失值进行补充,并由数据分析知土壤墒情数据为非平稳的非线性时间序列。然后,根据土壤墒情与环境因素(降雨量、气温和风速)的相关性分析结果选择降雨量为关键环境因素。最后将土壤墒情、降雨量及目标土壤墒情复数化,作为网络输入和期望输出建立MLMVN预测模型。结果表明,网络结构为240-15-1200-1时单步预测精度为0.883,采用循环预测法进行步长为72的多步预测,平均预测精度为0.853,比实数域误差反向传播神经网络BP提高了9.1%。研究表明,MLMVN模型多步预测误差累计小,预测结果可作为该地区节水灌溉策略制定的理论依据。
- 冀荣华张舒蕾郑立华刘秋霞
- 关键词：土壤水分神经网络春玉米
- 基于时延神经网络的多深度土壤含水率预测被引量：13
- 2017年
- 为精准预测大田土壤含水率,并掌握不同深度土壤含水率分布规律,针对大田土壤含水率时序数据的非线性特点及相邻深度土壤含水率间具有较强关联关系,该文建立3层时延神经网络大田多深度土壤含水率预测模型,用以实现对6个不同深度(10、20、30、40、50和70 cm)土壤含水率预测。利用试验法确定预测模型的隐含层节点个数、训练学习算法和训练集样本量。试验结果表明:隐含层使用10个节点,采用L-M(Levenberg-Marquardt)训练算法,采用45%样本集数据作为训练样本,55%作为测试样本集,对所建预测模型进行预测,10和20 cm的预测相对误差小于7%,而30、40、50和70 cm的预测相对误差小于4.5%。因此利用基于时延神经网络的多深度土壤含水率预测模型,可为掌握土壤含水率分布动态变化规律提出一种解决方案。
- 冀荣华李鑫张舒蕾郑立华
- 关键词：土壤含水率时延神经网络
