高粱蚜发生程度的预测研究

通过１８年的田间调查和研究,得知高粱蚜的发生程度与麦蚜的发生程度呈负相关（ｒ＝－０．８９９８）,因此即可用麦蚜发生程度预测后期高粱蚜的发生程度,预测回归式为ｙ＝５．９０１１－０．９８７４ｘ。该预报方法较常规测报法在时间上提早了１个月。经多年检验,预报准确率颇高。     

基于小波分析与BP神经网络的西湖叶绿素a浓度预测模型

小波神经网络是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络。选择合适的小波基和分解尺度对西湖水体Chl—a进行小波分析,将原序列分解成一个低频概貌分量和多个高频细节分量,再通过BP网络建立西湖叶绿素a浓度短期预测模型Ⅰ和模型Ⅱ。模型Ⅰ将小波分析去除高频细节信息后的低频概貌部分作为输入变量预测Chl-a含量;模型Ⅱ则对低频部分和高频部分分别进行预测,最后汇总各分网络输出得到最终结果。对确证集预测时,模型Ⅰ的平均误差为4．4％,模型Ⅱ仅为1．9％,且误差范围较模型Ⅰ小,表明模型Ⅱ具有较高的预测精度和稳定性。最后运用模型Ⅱ进行水质预测,预测值与实际值的平均相对误差为6．4％,并选取3号点（中山码头）进行模型的泛化,平均相对误差为6．9％,取得了较理想的预测效果,说明小波神经网络能成功预测西湖水体中Chl—a含量的短期变化趋势,为西湖水质管理提供科学依据。     

冀南麦区麦蚜发生期、发生量的预报研究

本文以冀南麦区麦蚜百株蚜量达500头日期做为发生期预报量,采用模糊数学因子权重综合评判方法进行预报,发生期历史符合率达100％,发生量历史符合率88.9％,两年试报准确。     

模糊数学综合评判麦蚜发生量(程度)预测预报技术的研究

麦蚜是常发性害虫,也是影响小麦生产的一类主要害虫。当地主要为害种类有：麦长管蚜Macrosiphumavenac（Fabricius）、麦二叉蚜Schizaphisgraminum（Rondani）、禾缢管好RhopalosiphumPadi（L．）等。麦蚜的发生为害受自然环境诸多因素的影响,综合分析其发生规律和主要影响因素,均属于模糊信息和模糊概念。用模糊数学（Fuzzymachenatics）的方法处理模糊概念、信息,从而求得数量规律。这就把经验预报的模糊指标转化为定量指标,沟通了定性和定量表示的联系,然后作出较精确的判断。我们对天水地区12年（1979～1990年）麦蚜发生量（…     

基于投影寻踪理论的稻飞虱发生程度预测模型

稻飞虱发生程度与相关气候因子的数据大多具有高维非正态、非线性特征,采用统计预测法会出现预测效果的不稳定,采用人工神经网络预测模型需要较多的训练样本.投影寻踪模型把高维数据投影到低维子空间上,对数据结构进行分析,一定程度上解决了非线性、非正态问题.本文建立了浙江省新昌县单季晚稻稻飞虱主害代发生程度的投影寻踪预测模型,并与BP神经网络模型、线性回归模型的预测结果进行了对比.结果表明:投影寻踪模型优于BP神经网络模型、线性回归模型;投影寻踪模型的历史符合率和预测准确率均为100%;BP神经网络模型历史符合率达到100%,但预测偏差较大;线性回归模型历史符合率和预测偏差均较大.可见,投影寻踪模型在稻飞虱发生程度的预测上具有较好的应用前景.     

闽西稻瘿蚊发生程度的灾变预测模型

80年代中期以来,稻瘦蚊Orseoliaoryzae（Wood-Mason）在我区的为害逐渐加重,已成为我区中、晚稻的主要害虫之一。以前多利用前一年冬季气温、当年早稻后期出葱情况对发生程度作中、短期预测,利用灰色系统理论建立测报模型,则可对发生程度作出超长期预测,对于做好药物的贮备、及早宣传发动、适时的防治、减少损失等均有重要意义。灰色系统建模是把影响系统（发生程度）的环境因子看成一种干扰,并最终将反映到系统的行为特征上。对系统行为特征超出某个阈值（界限值）的异常值将在何时再出现的预测即为灾变预测。本文利用我区稻瘦蚊发…     

麦蚜复合种群发生期预报的研究

麦蚜是曲阜地区小麦穗期的主要害虫,种类有麦长管蚜Macrosiphumavenae(Fabricius）、麦一叉蚜Schizaphumgraminum（Rondani）、禾谷缢管蚜Rhopalosiphumpadi（L、）等,其发生或早晚不同年份间差异很大．为了及时准确作出预报,指导防治,笔者依据本站1982～1994年系统观测资料,对麦蚜复合种群发生期预报进行了研究,现将结果报告如下。1资料整理1．互选取预报因子据13年系统观测资料,以麦蚜发生期（蚜量始达500头／百株的日期）为预报对象（y）,为研究方便,令4月25日为儿将历年发生朝代换成自然数值,然后用单因子相关法选定相关性…     

基于人工神经网络的刚竹毒蛾发生面积的预测模型

根据神经网络的基本原理,结合福建省尤溪县气象因子及刚竹毒蛾发生面积的实测数据,建立神经网络模型。结果表明:所建立的BP神经网络模型,具有满意的拟合精度和预测精度。2个预留调查点的平均预测精度达96.55%,预测准确率为100%。     

麦粘虫发生程度简易测报方法的研究

利用麦粘虫田间２龄高峰期虫量与最高虫量期虫量、达防治标准田块率的相关性,建立直线回归预测式,可在防治前１０天左右准确预报其发生程度,为宣传发动和制订防治提供可靠的依据。     

基于小波神经网络的图像去噪算法

生物医学图像在成像时不可避免地受到噪声影响,因此噪声去除是生物医学图像处理的一项重要研究课题。将小波神经网络引入图像去噪领域中,通过多种技术优化网络学习过程,最终建立一种图像去噪新算法。实验结果表明,该算法在去除噪声上优于传统的中值滤波等方法,并具有较强的鲁棒性;同时能够最大限度地保护图像的细节信息,具有很好的保真度。     

小麦禾谷缢管蚜峰期蚜量发生程度的影响因素分析

16年观测资料表明,影响禾谷缢管蚜峰期蚜量发生程度的因素有：冬前蚜量基数,年前11月份平均相对湿度,蚜峰期前一个月月平均温度、月总日照时数和月温湿系数。运用模糊综合评判法检验其发生程度,历史符合率达93.8％。1996年试报正确。     

基于神经网络简单集成的湖库富营养化综合评价模型

根据中国水利部推荐的地表水富营养化控制标准,以叶绿素a、总磷、总氮、化学需氧量和透明度为评价指标,采用线性插值方法生成均匀分布的训练样本,建立了用于湖泊、水库富营养化综合评价的神经网络简单集成模型,其个体网络采用反向传播网络。通过递增法分别确定个体网络隐含层节点数为3,集成规模为40。所有个体网络均采用弹性反传训练算法和带动量的梯度下降学习算法。将该模型应用于巢湖富营养化综合评价,结果表明该模型有效消除了单个反向传播神经网络对初始网络权重的敏感性,泛化能力得到显著的提高。该模型的评价结果与综合营养状态指数法差异极显著,而与插值评分法差异不显著;但相关性较高,相关系数分别为0．9406和0．8891。通过对比分析,表明该模型较好地归纳了评价标准中的潜在评价规则,评价结果客观、可靠。     

Sparse-view CT reconstruction based on multi-level wavelet convolution neural network

Sparse-view computed tomography (CT) is a recent approach to reducing the radiation dose in patients and speeding up the data acquisition. Consequently, sparse-view CT has been of particular interest among researchers within the CT community. Advanced reconstruction algorithms for sparse-view CT, such as iterative algorithms with total-variation (TV), have been studied along with the problem of increasing computational burden and the blurring of artifacts in the reconstructed images. Studies on deep-learning-based approaches applying U-NET have recently achieved remarkable outcomes in various domains including low-dose CT. In this study, we propose a new method for sparse-view CT reconstruction based on a multi-level wavelet convolutional neural network (MWCNN). First, a filtered backprojection (FBP) was used to reconstruct a sparsely sampled sinogram from 60, 120, and 180 projections. Subsequently, the sparse-view data obtained from FBP were fed to a deep-learning network, i.e., the MWCNN. Our network architecture combines a wavelet transform and modified U-NET without pooling. By replacing the pooling function with the wavelet transform, the receptive field is enlarged to improve the performance. We qualitatively and quantitatively evaluated the interpolation, iterative TV method, and standard U-NET in terms of a reduction in the streaking artifacts and a preservation of the anatomical structures. When compared with other methods, the proposed method showed the highest performance based on various evaluation parameters such as the structural similarity, root mean square error, and resolution. These results indicate that the MWCNN possesses a powerful potential for achieving a sparse-view CT reconstruction.     

基于BP神经网络的京津冀城市群可持续发展综合评价

在综合分析了京津冀城市群各城市功能定位的基础上,构建了包含经济发展、社会发展、科技创新和生态环境4个子系统的城市可持续发展评价指标体系,运用2006—2015年的数据,采用熵值法和BP神经网络对京津冀城市群可持续发展能力进行非线性测度与分类,结果较为理想。结果表明:(1)北京和天津处于高可持续发展水平,可持续发展能力在空间上呈现出以京、津为中心随距离递减的趋势,最南端的邯郸和邢台处于低可持续发展水平;(2)北京可持续发展能力呈现下滑趋势,其他城市可持续发展能力逐年稳步上升,大城市可持续发展压力较大;(3)城市在不同子系统中存在各自的优劣势。各个子系统在可持续发展中均起到重要作用,城市宜结合各自子系统的优、劣势制定具有针对性的发展对策。     

Predicting siRNA activity based on back-propagation neural network

RNA interference (RNAi) is a phenomenon of gene silence induced by a double-stranded RNA (dsRNA) homologous to a target gene.RNAi can be used to identify the function of genes or to knock down the targeted genes.In RNAi technology,19 bp double-stranded short interfering RNAs (siRNA) with characteristic 3' overhangs are usually used.The effects of siRNAs are quite varied due to the different choices in the sites of target mRNA.Moreover,there are many factors influencing siRNA activity and these factors are usually nonlinear.To find the motif features and the effect on siRNA activity,we carried out a feature extraction on some published experimental data and used these features to train a backpropagation neural network (BP NN).Then,we used the trained BP NN to predict siRNA activity.     

Predicting siRNA activity based on back-propagation neural network

RNA interference (RNAi) is a phenomenon of gene silence induced by a double-stranded RNA (dsRNA) homologous to a target gene. RNAi can be used to identify the function of genes or to knock down the targeted genes. In RNAi technology, 19 bp double-stranded short interfering RNAs (siRNA) with characteristic 39 overhangs are usually used. The effects of siRNAs are quite varied due to the different choices in the sites of target mRNA. Moreover, there are many factors influencing siRNA activity and these factors are usually nonlinear. To find the motif features and the effect on siRNA activity, we carried out a feature extraction on some published experimental data and used these features to train a back-propagation neural network (BP NN). Then, we used the trained BP NN to predict siRNA activity. __________ Translated from Acta Biophysica Sinica, 2006, 22(6): 429–434 [译自: 生物物理学报]     

基于BP神经网络的流域生态恢复度计算——以福建长汀朱溪小流域为例

以福建省长汀县朱溪小流域为研究对象,通过野外调查、室内分析以及遥感影像提取相结合的方法获取数据。利用Matlab7.0软件建立BP神经网络生态恢复模型,定量评价退化生态系统的恢复程度。选择土壤理化性质(有机质、全N、全P、全K、容重和p H)、植被结构(植被盖度)、物种多样性指数(Shannon-Wiener指数)和热环境(地表温度)等4个方面的9个指标建立退化生态系统评价体系,并作为生态恢复模型的输入层数据,生态恢复度作为输出层数据。使用Matlab7.0进行数据预处理、样本训练、样本检验并建立生态恢复模型。利用建立的生态恢复模型对整个朱溪小流域生态恢复度进行定量评价。结果表明,生态恢复模型预测结果与流域生态恢复的实际情况基本吻合,利用BP神经网络模型定量评价退化生态系统的恢复程度具有可行性。朱溪小流域内生态恢复程度极低的区域面积仅占0.94%,95.48%区域为中等恢复程度,说明生态保护措施已初见成效;生态恢复程度高的区域面积仅占3.62%,意味着未来仍需加强治理和保护工作。