期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于麻雀搜索算法优化的四种神经网络模型在三七茎粗预测中的效果评估
1
作者
商晓剑
张瑞
《湖北农业科学》
2024年第8期72-77,95,共7页
以1年生三七(Panax notoginseng)为研究对象,通过正交试验考察光、水、营养物质对三七茎粗的影响,利用麻雀搜索算法(Sparrow search algorithm,SSA)优化4种模型,分别为反向传播神经网络(Back propagation neural network,BPNN)、长短期...
以1年生三七(Panax notoginseng)为研究对象,通过正交试验考察光、水、营养物质对三七茎粗的影响,利用麻雀搜索算法(Sparrow search algorithm,SSA)优化4种模型,分别为反向传播神经网络(Back propagation neural network,BPNN)、长短期记忆神经网络(Long short term memory,LSTM)、随机森林(Random forest,RF)和广义回归神经网络(General regression neural network,GRNN),并应用这4种模型对三七茎粗进行预测。结果表明,光照、水肥等非生物因素对三七茎粗具有明显影响,各因素对三七茎粗的影响程度依次为遮光层数>土壤含水量>矿源黄腐酸钾含量>光照时长。SSA-GRNN模型的决定系数最高,为0.865 6,其次为SSA-RF模型、SSA-BPNN模型、SA-LSTM模型;SSA-GRNN模型的MAE和MSE分别为0.064 1、0.008 7,均低于SSA-BPNN模型、SSA-LSTM模型、SSA-RF模型;SSA-RF模型和SSA-LSTM模型的适应度较大,且陷入了局部最优的情况,从而无法达到全局最优解,SSA-GRNN模型的适应度最小且以最少的迭代次数达到了最佳的适应度。
展开更多
关键词
三七(Panax
notoginseng)
茎粗
神经网络模型
麻雀搜索算法
预测
下载PDF
职称材料
基于数字孪生技术的烤烟植物工厂种植模型构建与应用
2
作者
杨睿
商晓剑
王静
《湖北农业科学》
2024年第8期104-108,115,共6页
为研究不同生长条件对烤烟生长状态的影响,对烤烟在植物工厂环境下的生长特点进行深入研究,并通过植物工厂环境调控技术实现对其生长过程的实时监测。基于烤烟生长环境的生理基础,构建烤烟数字孪生模型,在虚拟环境中模拟和预测真实环境...
为研究不同生长条件对烤烟生长状态的影响,对烤烟在植物工厂环境下的生长特点进行深入研究,并通过植物工厂环境调控技术实现对其生长过程的实时监测。基于烤烟生长环境的生理基础,构建烤烟数字孪生模型,在虚拟环境中模拟和预测真实环境中的种植过程。结果表明,烤烟数字孪生模型依托数字孪生技术,能够实时、精确地模拟烤烟生长状态,并根据反馈信息做出相应的分析、决策,从而对烤烟生长过程进行精准管理和优化,提高烤烟的产量和品质。
展开更多
关键词
烤烟
植物工厂
数字孪生模型
构建
应用
下载PDF
职称材料
基于麻雀搜索算法优化神经网络的生菜生理指标预测
3
作者
李春生
孙博
+3 位作者
商晓剑
缪婉莹
李沛鸿
王静
《山西农业科学》
2024年第2期120-127,共8页
生菜生理指标的精准预测对于植物工厂环境下数字化精准管理生菜生长具有重要意义。为了为植物工厂叶菜类作物生理指标的预测提供参考,以植物工厂的水培生菜为研究对象,采集5种营养液配方处理下水培生菜最长叶长、叶片数和株高的数据,以...
生菜生理指标的精准预测对于植物工厂环境下数字化精准管理生菜生长具有重要意义。为了为植物工厂叶菜类作物生理指标的预测提供参考,以植物工厂的水培生菜为研究对象,采集5种营养液配方处理下水培生菜最长叶长、叶片数和株高的数据,以麻雀搜索算法优化的BP神经网络SSA-BP对生菜生理指标数据进行预测分析,并选取平均绝对误差、均方误差、均方根误差和平均绝对百分比误差作为精度指标对试验结果进行分析和评价。结果表明,SSA-BP神经网络对生菜最长叶长、叶片数、株高的预测平均绝对误差分别为9.21、0.563、8.34;均方误差分别为143.79、0.599、110.69;均方根误差分别为11.991、0.774、10.521;平均绝对百分比误差分别为15.639%、6.181%、13.318%,各项评价指标均优于传统BP神经网络,预测误差小于16%,但其预测误差提升不明显。利用SSA-BP神经网络模型可有效对生菜生理指标进行预测,该模型具有良好的预测准确性、泛化性。
展开更多
关键词
生理指标
神经网络
麻雀搜索算法
植物工厂
下载PDF
职称材料
题名
基于麻雀搜索算法优化的四种神经网络模型在三七茎粗预测中的效果评估
1
作者
商晓剑
张瑞
机构
云南农业大学水利学院/云南省高校城乡水安全与节水减排重点实验室/云南省智慧农业与水安全国际联合研发中心
出处
《湖北农业科学》
2024年第8期72-77,95,共7页
基金
2022年水利部重大科技项目(SKS-2022057)
2022年云南省重点研发计划项目(202203AC100004)。
文摘
以1年生三七(Panax notoginseng)为研究对象,通过正交试验考察光、水、营养物质对三七茎粗的影响,利用麻雀搜索算法(Sparrow search algorithm,SSA)优化4种模型,分别为反向传播神经网络(Back propagation neural network,BPNN)、长短期记忆神经网络(Long short term memory,LSTM)、随机森林(Random forest,RF)和广义回归神经网络(General regression neural network,GRNN),并应用这4种模型对三七茎粗进行预测。结果表明,光照、水肥等非生物因素对三七茎粗具有明显影响,各因素对三七茎粗的影响程度依次为遮光层数>土壤含水量>矿源黄腐酸钾含量>光照时长。SSA-GRNN模型的决定系数最高,为0.865 6,其次为SSA-RF模型、SSA-BPNN模型、SA-LSTM模型;SSA-GRNN模型的MAE和MSE分别为0.064 1、0.008 7,均低于SSA-BPNN模型、SSA-LSTM模型、SSA-RF模型;SSA-RF模型和SSA-LSTM模型的适应度较大,且陷入了局部最优的情况,从而无法达到全局最优解,SSA-GRNN模型的适应度最小且以最少的迭代次数达到了最佳的适应度。
关键词
三七(Panax
notoginseng)
茎粗
神经网络模型
麻雀搜索算法
预测
Keywords
Panax notoginseng
stem thickness
neural network model
sparrow search algorithm
forecast
分类号
S274.3 [农业科学—农业水土工程]
S567.51 [农业科学—中草药栽培]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于数字孪生技术的烤烟植物工厂种植模型构建与应用
2
作者
杨睿
商晓剑
王静
机构
云南农业大学建筑工程学院
云南农业大学云南省智慧农业与水安全国际联合研发中心
出处
《湖北农业科学》
2024年第8期104-108,115,共6页
基金
云南省重大科技专项(202002AE09010)
云南省教育厅科学研究项目(2022Y292)。
文摘
为研究不同生长条件对烤烟生长状态的影响,对烤烟在植物工厂环境下的生长特点进行深入研究,并通过植物工厂环境调控技术实现对其生长过程的实时监测。基于烤烟生长环境的生理基础,构建烤烟数字孪生模型,在虚拟环境中模拟和预测真实环境中的种植过程。结果表明,烤烟数字孪生模型依托数字孪生技术,能够实时、精确地模拟烤烟生长状态,并根据反馈信息做出相应的分析、决策,从而对烤烟生长过程进行精准管理和优化,提高烤烟的产量和品质。
关键词
烤烟
植物工厂
数字孪生模型
构建
应用
Keywords
flue-cured tobacco
plant factory
digital twin model
construction
application
分类号
S126 [农业科学—农业基础科学]
下载PDF
职称材料
题名
基于麻雀搜索算法优化神经网络的生菜生理指标预测
3
作者
李春生
孙博
商晓剑
缪婉莹
李沛鸿
王静
机构
云南农业大学水利学院
云南省智慧农业与水安全国际联合研发中心
云南农业大学建筑工程学院
出处
《山西农业科学》
2024年第2期120-127,共8页
基金
云南省重大科技专项计划项目(202002AE090010)
云南高原特色数字农业关键技术研发与示范。
文摘
生菜生理指标的精准预测对于植物工厂环境下数字化精准管理生菜生长具有重要意义。为了为植物工厂叶菜类作物生理指标的预测提供参考,以植物工厂的水培生菜为研究对象,采集5种营养液配方处理下水培生菜最长叶长、叶片数和株高的数据,以麻雀搜索算法优化的BP神经网络SSA-BP对生菜生理指标数据进行预测分析,并选取平均绝对误差、均方误差、均方根误差和平均绝对百分比误差作为精度指标对试验结果进行分析和评价。结果表明,SSA-BP神经网络对生菜最长叶长、叶片数、株高的预测平均绝对误差分别为9.21、0.563、8.34;均方误差分别为143.79、0.599、110.69;均方根误差分别为11.991、0.774、10.521;平均绝对百分比误差分别为15.639%、6.181%、13.318%,各项评价指标均优于传统BP神经网络,预测误差小于16%,但其预测误差提升不明显。利用SSA-BP神经网络模型可有效对生菜生理指标进行预测,该模型具有良好的预测准确性、泛化性。
关键词
生理指标
神经网络
麻雀搜索算法
植物工厂
Keywords
physiological index
neural network
sparrow search algorithm
plant factory
分类号
S636.2 [农业科学—蔬菜学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于麻雀搜索算法优化的四种神经网络模型在三七茎粗预测中的效果评估
商晓剑
张瑞
《湖北农业科学》
2024
0
下载PDF
职称材料
2
基于数字孪生技术的烤烟植物工厂种植模型构建与应用
杨睿
商晓剑
王静
《湖北农业科学》
2024
0
下载PDF
职称材料
3
基于麻雀搜索算法优化神经网络的生菜生理指标预测
李春生
孙博
商晓剑
缪婉莹
李沛鸿
王静
《山西农业科学》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部