«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第41卷

期数:

2013年11期

页码:

407-409

栏目:

农业工程

出版日期:

2013-11-25

文章信息/Info

Title:

Irrigation forecast model of cucumber in greenhouse based on BP neural networks

作者:

王红君¹;  张梦¹;  赵辉¹; 2;  岳有军¹

1.天津市复杂系统控制理论与应用重点实验室/天津理工大学，天津 300384； 2.天津农学院，天津 300384

Author(s):

Wang Hongjun; et al

关键词:

BP神经网络; 灌溉量; 预测; 模型; 黄瓜

Keywords:

-

分类号:

A

DOI:

-

文献标志码:

S126

摘要:

研究作物灌溉量预测技术，合理利用水资源，发展节水灌溉，是保证我国农业可持续发展的重要措施。采用BP神经网络对灌溉用水需求进行模拟分析，结合实际数据，建立了基于BP神经网络的灌溉量预测模型，预测温室内黄瓜的灌溉水需求量。

Abstract:

-

参考文献/References:

［1］胡弘劫. 基于茎流的温室内黄瓜灌溉技术研究［D］. 镇江：江苏大学，2006.
［2］胡雪棉，赵国浩. 基于Matlab的BP神经网络煤炭需求预测模型［J］. 中国管理科学，2008，16（增刊1）：521-525.
［3］张杰，肖汝诚，程进. 基于神经网络的隐式显化方法在结构可靠度分析中的应用［J］. 力学季刊，2007，28(1)：135-141.
［4］蒋良孝，李超群. 基于BP神经网络的函数逼近方法及其 MATLAB 实现［J］. 微型机与应用，2004，23(1)：52-53.
［5］金志凤，符国槐，黄海静，等. 基于BP神经网络的杨梅大棚内气温预测模型研究［J］. 中国农业气象，2011，32(3)：362-367.
［6］夏志军. 温室黄瓜环境管理的智能决策支持系统研究［D］. 镇江：江苏大学，2003：69.
［7］焦淑华，夏冰，徐海静，等. BP神经网络预测的MATLAB实现［J］. 金融理论与教学，2009(1)：55-56.
［8］高海菊. 基于人工神经网络的灌区灌溉预报模型［D］. 南京：河海大学，2006.
［9］金志凤，封秀燕，陈士平. 大棚气温变化特征及其对杨梅生育期的影响［J］. 浙江农业科学，2004(2)：57-59.
［10］丛爽. 面向MATLAB工具箱的神经网络理论与应用［M］. 合肥：中国科学技术大学出版社，2003.

相似文献/References:

[1]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383.
　Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(11):383.
[2]赵艳玲,何厅厅,侯占东,等.基于BFA-BP神经网络的土壤肥力评价[J].江苏农业科学,2013,41(08):340.
　Zhao Yanling,et al.Soil fertility evaluation based on BFA-BP neural network[J].Jiangsu Agricultural Sciences,2013,41(11):340.
[3]李子艺,王振锡,岳俊,等.基于BP神经网络的高光谱果树树种识别研究[J].江苏农业科学,2016,44(05):410.
　Li Ziyi,et al.Study on recognition of fruit tree with hyperspectral data based on BP neural network[J].Jiangsu Agricultural Sciences,2016,44(11):410.
[4]郭绍杰,王文革,张静,等.灌溉量对酿酒葡萄新梢及叶片生长的影响[J].江苏农业科学,2016,44(02):213.
　Guo Shaojie,et al.Effects of irrigation quantity on growth of new shoot and leaf of wine grape[J].Jiangsu Agricultural Sciences,2016,44(11):213.
[5]马海姣,崔晨风.基于可见-近红外光谱和神经网络的土壤类型鉴别[J].江苏农业科学,2014,42(04):284.
　Ma Haijiao,et al.Identification of soil types based on visible-near infrared spectroscopy and neural networks[J].Jiangsu Agricultural Sciences,2014,42(11):284.
[6]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(11):320.
[7]梁帆,杨莉莉,崔世钢,等.基于神经网络的油菜成熟度等级视觉检测方法[J].江苏农业科学,2015,43(08):403.
　Liang Fan,et al.Visual inspection method of rapeseed maturity level based on neural networks[J].Jiangsu Agricultural Sciences,2015,43(11):403.
[8]赵方华,姜波.加工番茄的施肥模型[J].江苏农业科学,2015,43(06):147.
　Zhao Fanghua,et al.Fertilization model of processing tomato[J].Jiangsu Agricultural Sciences,2015,43(11):147.
[9]罗永华,黄伟,张俊花,等.不同灌溉量对甘蓝光合特性、水分利用效率和产量的影响[J].江苏农业科学,2014,42(07):155.
　Luo Yonghua,et al.Effects of different irrigation amounts on photosynthetic characteristic，water use efficiency，and yield of Brassica oleracea L.[J].Jiangsu Agricultural Sciences,2014,42(11):155.
[10]张亚丽.基于颜色特征和极端学习机的番茄成熟度识别[J].江苏农业科学,2014,42(07):411.
　Zhang Yali.Identification of tomato maturity based on color features and extreme learning machine[J].Jiangsu Agricultural Sciences,2014,42(11):411.

备注/Memo

备注/Memo:

收稿日期：2013-04-10
基金项目：天津市自然科学基金(编号：09JCZDJC23900、10JCZDJC23100)；天津市科技支撑计划(编号：10ZCECJD43080)；天津市农业科技成果转化与推广项目(编号：201203060)。
作者简介：王红君(1963—)，女，天津人，教授，研究方向为流程工业先进控制技术、微机控制、智能控制。Tel：(022)60215848；E-mail：hongewang@126.com。

常用功能

更新日期/Last Update: 2013-11-25