欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
项目研究建立有一定物理基础或概念基础的新型灌排系统神经网络模型的一般性建模理论与方法，探讨灌排系统先验知识改善相应神经网络模型泛化性能的作用机理，设计灌排系统先验知识的表示框架，提出基于灌排系统先验知识的神经网络最小结构设计方法和学习策略，探索小样本条件下基于灌排系统先验知识的神经网络模拟理论与方法。它的研究将彻底改变传统灌排系统神经网络模型的黑箱子学习模式，实现由"黑箱子"学习模式向"物理机制"与"数据驱动"耦合的学习模式转变，为从根本上改善传统灌排系统神经网络模型的模拟精度和预报精度提供理论支撑。
结论摘要：
针对传统神经网络模拟方法没有对灌排系统内在规律进行机理性或是概念性描述这一重要缺陷，项目以土壤含水量动态变化模拟问题为背景，以为期3年的室内实验和野外田间观测试验观测资料为训练样本，首次提出了利用灌排系统先验知识改善其神经网络模型泛化性能的建模思路与建模原理。项目提出了采用约束学习理论对灌排系统先验知识和神经网络非线性函数复合知识进行耦合的理论框架与学习算法，建立了基于灌排系统先验知识的有约束目的规划神经网络模型，提出了基于先验知识的灌排系统神经网络模拟模型的三种改进的粒子群学习算法基于Metroplis准则的粒子群算法、并行种群混合的粒子群算法和主从种群混合的粒子群算法，生成了基于灌排系统先验知识的虚拟训练样本，提出了采用层次分析法来减少排水径流模拟神经网络输入层节点数的方法。项目提出的原理、模型与学习算法能在一定程度上改善神经网络模型的泛化性能，同时弥补了土壤含水量室内外试验资料不足和训练样本偏少的建模问题。项目较好地完成了预期研究计划，共发表学术论文21篇，其中SCIE收录论文5篇，EI收录论文3篇，所发表论文单篇SCI论文他引达25次。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
相关项目
胡铁松的项目
