基于数据挖掘的玉米产量预测模型的研究
发布时间：2021-06-29 16:12
我国是一个农业大国,农业是国民经济的支柱。众所周知,农业生产系统是一个复杂的系统,具有高度的不确定性,这些不确定性包括地力等级、气候及田间管理等诸多因素,给玉米产量的预测带来了困难。玉米是东北地区的主要种植在整个粮食生产中地位十分重要。近几年,受气候变化影响,吉林省极端天气事件明显增多,气象灾害发生较多,特别是干旱、冰雹、洪涝等自然灾害较常年增多,给农业生产造成了一定的影响。有研究表明,影响玉米产量的主要气象因素就包括降水、日照、温度等气候条件。而这些气象条件也很大程度上决定了玉米的产量。本文以这一现状为基础,利用吉林省前郭、四平、长春、延吉、临江5个气象站19882017年的平均温度、降水量、日照时长信息,以及化肥中氮磷钾元素含量、当年受灾面积、农业用电量、农用机械总动力、有效灌溉面积等数据信息,以及19882017的玉米产量与种植面积数据,针对气象情况对玉米产量的影响进行研究,通过神经网络建模分析研究各个影响因素与产量之间的关系,构建玉米产量预测模型,为玉米产量预测提供理论依据。论文主要研究内容如下:（1）数据采集。使用基于nodejs的...
【文章来源】：吉林农业大学吉林省
【文章页数】：43 页
【学位级别】：硕士
【部分图文】：
神经元模型
图2.1神经元模型上图中,左侧代表神经元的输入端；{x1,x2,…xm}表示共有m个数据项输入进了神经元中；神经元j连接与输入信号xi的权值由ωij表示；内部状态的偏置值由bi表示,yi为神经元的输出,可以用一个非线性模型的表达式（2-1）来表示这个连接：
多层感知器（Multi-Layer Perceptron,MLP）指一种前向结构的神经网络模型,一般比单层神经元的结构复杂,隐含层和输出端数量都相对较多,可以解决线性不可分的问题,如图2.2所示为一种类型的多层感知器结构：输入层神经元负责接受来自外界的相关信号,第1隐含层与其对应的输入层相互连接,同一层神经元之间不连接,最后一层隐含层神经元与输出层神经元全接连。图2.2中,箭头所指的方向表示的是各单元连接和输出的方向,不同的连接处分别对应不同的连接权值。其中各层单个神经元的输入是其前方所在层所对应的输出值的权和。假设xml表示MLP中第l层第m个神经元的输入值,yml和bml则为与之相对应的该神经元的输出值和偏置值,ωiml-1为该神经元与第l-1层第i个神经元的连接权值,则有公式（2-2）（2-3）。
【参考文献】：
期刊论文
[1]基于数据挖掘的长短期记忆网络模型油井产量预测方法[J]. 谷建伟,周梅,李志涛,贾祥军,梁颖. 特种油气藏. 2019(02)
[2]基于KFCM-RBF优化算法的肥力评价与玉米产量预测[J]. 赵姗,陈桂芬,傅思维,肖恩泽. 玉米科学. 2018(05)
[3]农业气象物联网数据采集系统[J]. 琚书存,程文杰,徐建鹏,周鹿扬,朱雅莉,王杰,伍琼. 计算机与现代化. 2018(09)
[4]我国农业发展主要指标数据挖掘与分析[J]. 郭文茜,丁跃潮. 农业与技术. 2017(18)
[5]茶叶种植中病虫害预警的数据挖掘技术分析[J]. 旭日. 福建茶叶. 2016(03)
[6]关联规则Apriori算法在玉米产量信息挖掘中的应用[J]. 王彦群,高贤强. 湖北农业科学. 2016(03)
[7]决策树模型与Logistic回归模型在伤害发生影响因素分析中的作用[J]. 帅健,李丽萍,陈业群. 中华疾病控制杂志. 2015(02)
[8]预测未来40年气候变化对我国玉米产量的影响[J]. 马玉平,孙琳丽,俄有浩,吴玮. 应用生态学报. 2015(01)
[9]基于聚类分析与时序算法的玉米测产模型[J]. 徐兴梅,周翠娟,陈桂芬. 吉林农业大学学报. 2012(06)
[10]基于灰关联和神经网络的通风系统评价模型[J]. 刘庆龙,魏夕合,史俊伟,吕康. 矿业研究与开发. 2012(02)
博士论文
[1]高速公路交通流预测和仿真及其应用[D]. 黎光宇.天津大学 2017
[2]玉米主产区土壤养分与玉米产量的时空变异及其相关性研究[D]. 曹丽英.安徽农业大学 2013
[3]光散射信号统计规律及在尘埃粒子计数中的应用[D]. 闫振纲.南京理工大学 2013
[4]相关向量机多分类算法的研究与应用[D]. 柳长源.哈尔滨工程大学 2013
[5]基于优化理论的神经网络研究及在抽油机故障诊断中的应用[D]. 王琼.东北石油大学 2011
硕士论文
[1]基于深度卷积神经网络的人脸图像分类应用研究[D]. 曹戈.吉林大学 2019
[2]基于Spark的降雨量预测方法研究与实现[D]. 高利峰.西安理工大学 2019
[3]数据挖掘在卫星关键部位故障诊断中的应用研究[D]. 屈晓伟.西安理工大学 2019
[4]数据挖掘技术在病案信息管理中的应用[D]. 荣晨.华北理工大学 2019
[5]基于决策树算法的高校就业数据分析[D]. 刘俊灼.景德镇陶瓷大学 2019
[6]基于数据挖掘的接触器电寿命不良数据检测辨识算法研究[D]. 薄一平.沈阳工业大学 2019
[7]带钢表面质量缺陷检测与分类方法研究[D]. 易梦云.湖北工业大学 2019
[8]结合Relief算法基于神经网络与支持向量机的股价指数预测研究[D]. 董畅.山东大学 2019
[9]绥化市兰西县玉米氮磷钾最佳施肥配比研究[D]. 吕强.东北农业大学 2018
[10]基于数据挖掘技术的考试体系分析统计[D]. 戴俊秋.安庆师范大学 2018
本文编号：3256748
【文章来源】：吉林农业大学吉林省
【文章页数】：43 页
【学位级别】：硕士
【部分图文】：
神经元模型
图2.1神经元模型上图中,左侧代表神经元的输入端；{x1,x2,…xm}表示共有m个数据项输入进了神经元中；神经元j连接与输入信号xi的权值由ωij表示；内部状态的偏置值由bi表示,yi为神经元的输出,可以用一个非线性模型的表达式（2-1）来表示这个连接：
多层感知器（Multi-Layer Perceptron,MLP）指一种前向结构的神经网络模型,一般比单层神经元的结构复杂,隐含层和输出端数量都相对较多,可以解决线性不可分的问题,如图2.2所示为一种类型的多层感知器结构：输入层神经元负责接受来自外界的相关信号,第1隐含层与其对应的输入层相互连接,同一层神经元之间不连接,最后一层隐含层神经元与输出层神经元全接连。图2.2中,箭头所指的方向表示的是各单元连接和输出的方向,不同的连接处分别对应不同的连接权值。其中各层单个神经元的输入是其前方所在层所对应的输出值的权和。假设xml表示MLP中第l层第m个神经元的输入值,yml和bml则为与之相对应的该神经元的输出值和偏置值,ωiml-1为该神经元与第l-1层第i个神经元的连接权值,则有公式（2-2）（2-3）。
【参考文献】：
期刊论文
[1]基于数据挖掘的长短期记忆网络模型油井产量预测方法[J]. 谷建伟,周梅,李志涛,贾祥军,梁颖. 特种油气藏. 2019(02)
[2]基于KFCM-RBF优化算法的肥力评价与玉米产量预测[J]. 赵姗,陈桂芬,傅思维,肖恩泽. 玉米科学. 2018(05)
[3]农业气象物联网数据采集系统[J]. 琚书存,程文杰,徐建鹏,周鹿扬,朱雅莉,王杰,伍琼. 计算机与现代化. 2018(09)
[4]我国农业发展主要指标数据挖掘与分析[J]. 郭文茜,丁跃潮. 农业与技术. 2017(18)
[5]茶叶种植中病虫害预警的数据挖掘技术分析[J]. 旭日. 福建茶叶. 2016(03)
[6]关联规则Apriori算法在玉米产量信息挖掘中的应用[J]. 王彦群,高贤强. 湖北农业科学. 2016(03)
[7]决策树模型与Logistic回归模型在伤害发生影响因素分析中的作用[J]. 帅健,李丽萍,陈业群. 中华疾病控制杂志. 2015(02)
[8]预测未来40年气候变化对我国玉米产量的影响[J]. 马玉平,孙琳丽,俄有浩,吴玮. 应用生态学报. 2015(01)
[9]基于聚类分析与时序算法的玉米测产模型[J]. 徐兴梅,周翠娟,陈桂芬. 吉林农业大学学报. 2012(06)
[10]基于灰关联和神经网络的通风系统评价模型[J]. 刘庆龙,魏夕合,史俊伟,吕康. 矿业研究与开发. 2012(02)
博士论文
[1]高速公路交通流预测和仿真及其应用[D]. 黎光宇.天津大学 2017
[2]玉米主产区土壤养分与玉米产量的时空变异及其相关性研究[D]. 曹丽英.安徽农业大学 2013
[3]光散射信号统计规律及在尘埃粒子计数中的应用[D]. 闫振纲.南京理工大学 2013
[4]相关向量机多分类算法的研究与应用[D]. 柳长源.哈尔滨工程大学 2013
[5]基于优化理论的神经网络研究及在抽油机故障诊断中的应用[D]. 王琼.东北石油大学 2011
硕士论文
[1]基于深度卷积神经网络的人脸图像分类应用研究[D]. 曹戈.吉林大学 2019
[2]基于Spark的降雨量预测方法研究与实现[D]. 高利峰.西安理工大学 2019
[3]数据挖掘在卫星关键部位故障诊断中的应用研究[D]. 屈晓伟.西安理工大学 2019
[4]数据挖掘技术在病案信息管理中的应用[D]. 荣晨.华北理工大学 2019
[5]基于决策树算法的高校就业数据分析[D]. 刘俊灼.景德镇陶瓷大学 2019
[6]基于数据挖掘的接触器电寿命不良数据检测辨识算法研究[D]. 薄一平.沈阳工业大学 2019
[7]带钢表面质量缺陷检测与分类方法研究[D]. 易梦云.湖北工业大学 2019
[8]结合Relief算法基于神经网络与支持向量机的股价指数预测研究[D]. 董畅.山东大学 2019
[9]绥化市兰西县玉米氮磷钾最佳施肥配比研究[D]. 吕强.东北农业大学 2018
[10]基于数据挖掘技术的考试体系分析统计[D]. 戴俊秋.安庆师范大学 2018
本文编号：3256748
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3256748.html
最近更新
教材专著
