基于粒子群和BP混合算法神经网络土壤污染程度的预测被引量：1

下载PDF

导出

摘要及时监测土壤的污染程度,可以使我们预知土壤的各种状况,有利于我们调整对土壤的使用策略,同时也便于我们及时治理污染。本文采用粒子群和BP混合算法优化神经网络,将其用于土壤污染程度的预测,得到了满意的结果,实现了对土壤污染程度的预测,可以对企业和个人提供快捷和科学的信息。

作者王语园

机构地区陕西铁路工程职业技术学院

出处《福建电脑》 2015年第2期101-101,133,共2页 Journal of Fujian Computer

关键词非线性模型预测粒子群算法 BP算法

分类号 TP18 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献4

1魏东..非线性系统神经网络参数预测及控制[M].北京:机械工业出版社,2008:148.
2董海鹰.智能控制理论及应用[M].北京:中国铁道出版社,2005. 被引量：2
3高尚,杨静宇.群智能算法及应用[M].北京:中国水利水电出版社,2006. 被引量：8
4王语园.基于PSO-BP算法的神经网络模型预测策略研究[J].电子质量,2012(3):7-8. 被引量：3

二级参考文献1

1董海鹰．智能控制理论及应用[M]．北京：中国铁道出版社．2006.70—85．被引量：13

共引文献10

1陈华东,王树宗,王航宇.基于混合粒子群算法的多平台多武器火力分配研究[J].系统工程与电子技术,2008,30(5):880-883. 被引量：34
2蒋荣华,田书林,龙兵.基于DPSO最小碰集算法的掩盖故障识别[J].系统工程与电子技术,2009,31(4):997-1000. 被引量：11
3罗豪,雷友诚.基于改进粒子群算法的PID控制器参数优化[J].计算机仿真,2009,26(9):156-159. 被引量：9
4陈自卫,石雄.基于遗传算子的粒子群算法在战场频率分配中的应用[J].舰船电子工程,2010,30(3):73-76. 被引量：11
5郭华旺,董海鹰.基于模糊神经网络的风速预测研究[J].电气传动自动化,2012,34(3):1-5.
6郝武伟.改进微粒群优化算法及其在车辆路径问题中的应用[J].济南职业学院学报,2015(6):89-92.
7李建雄,孟特.智能仓储机器人装备关键技术的研究[J].物流工程与管理,2016,38(7):128-129. 被引量：6
8李建雄,孟如.智能仓储机器人全局定位方法研究[J].工业控制计算机,2016,29(9):85-86.
9张宏伟,张九根.智能预测算法在污水处理pH值控制中的应用[J].工业安全与环保,2018,44(5):49-52. 被引量：1
10任亚飞,田帅,邵馨叶,邵建龙.基于改进的PSO-BP神经网络的参考作物腾发量预测[J].节水灌溉,2020(5):7-10. 被引量：5

同被引文献12

1杨娟,王昌全,李冰,李焕秀,何鑫.基于BP神经网络的城市边缘带土壤重金属污染预测——以成都平原土壤Cd为例[J].土壤学报,2007,44(3):430-436. 被引量：32
2陈飞香,程家昌,胡月明,周永章,赵元,蚁佳纯.基于RBF神经网络的土壤铬含量空间预测[J].地理科学,2013,33(1):69-74. 被引量：34
3侯艺璇,赵华甫,吴克宁,李凯.基于BP神经网络的作物Cd含量预测及安全种植分区[J].资源科学,2018,40(12):2414-2424. 被引量：13
4王美,李书田,马义兵,黄绍敏,王伯仁,朱平.长期不同施肥措施对土壤铜、锌、镉形态及生物有效性的影响[J].农业环境科学学报,2014,33(8):1500-1510. 被引量：39
5贾武霞,文炯,许望龙,段然,曾希柏,白玲玉.我国部分城市畜禽粪便中重金属含量及形态分布[J].农业环境科学学报,2016,35(4):764-773. 被引量：73
6徐建明,孟俊,刘杏梅,施加春,唐先进.我国农田土壤重金属污染防治与粮食安全保障[J].中国科学院院刊,2018,33(2):153-159. 被引量：140
7樊宁,崔云霞,彭月,李伟迪,朱永青.基于BP神经网络的燃煤电厂周围土壤重金属浓度预测及评价[J].环境科技,2018,31(2):52-56. 被引量：7
8高文武,姜燕,赵晋陵.基于协同克里金插值法的土壤锰元素含量预测[J].地理与地理信息科学,2018,34(3):119-124. 被引量：15
9范俊楠,张钰,贺小敏,郭丽,施敏芳,陈浩.基于BP神经网络的重点行业企业周边土壤重金属污染预测及评价[J].华中农业大学学报,2019,38(4):55-62. 被引量：23
10黄赵麟,丁懿,王君櫹,贾振毅,曾菁菁,周生路.基于多模型优选的区域土壤重金属含量空间预测方法研究[J].生态与农村环境学报,2020,36(3):308-317. 被引量：8

引证文献1

1王皓,宋科,杨伟,胡涛,郭晋,木霖,曹志勇.云南典型区域耕地土壤主要重金属污染预测方法研究[J].产业科技创新,2023,5(5):1-4.

1王语园.基于PSO-BP算法的神经网络模型预测策略研究[J].电子质量,2012(3):7-8. 被引量：3
2李军,张宇,王纪森.基于DRNN的非线性模型预测控制研究[J].计算机仿真,2010,27(8):9-13. 被引量：3
3徐保国,胡立萍.基于支持向量机的非线性系统模型预测控制[J].计算机测量与控制,2005,13(8):799-801. 被引量：10
4李双艳,郑哲文,朱洪前.非线性随机干扰系统轨迹跟踪预测自适应控制[J].中南林业科技大学学报,2007,27(2):109-112. 被引量：1
5陈希平,梁敏.非线性模型预测控制的理论及应用综述[J].控制工程,2003,10(z2):17-19. 被引量：1
6李志武.一种基于RBF神经网络预测模型的DMC预测控制[J].科学技术与工程,2010,10(7):1643-1647. 被引量：4
7万玉琼,梁俊有.基于遗传算法改进BP网络的灾害预测模型研究[J].中国水运（下半月）,2008,8(4):255-257. 被引量：4
8高怡,高社生,冯志华.一种新的非线性模型预测UPF算法[J].西北工业大学学报,2012,30(5):734-738. 被引量：2
9李阳.利用层次分析法分析城市土壤重金属污染[J].价值工程,2012,31(19):5-6. 被引量：1
10于树友,陈虹,张鹏,李学军.一种基于LMI的非线性模型预测控制终端域优化方法[J].自动化学报,2008,34(7):798-804. 被引量：9

福建电脑

2015年第2期

浏览历史

内容加载中请稍等...

基于粒子群和BP混合算法神经网络土壤污染程度的预测被引量：1

参考文献4

二级参考文献1

共引文献10

同被引文献12

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于粒子群和BP混合算法神经网络土壤污染程度的预测 被引量：1

参考文献4

二级参考文献1

共引文献10

同被引文献12

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于粒子群和BP混合算法神经网络土壤污染程度的预测被引量：1