辽宁省优秀青年科技人才培养基金(2005230002)
- 作品数：8 被引量：246H指数：5
- 相关作者：迟道才于淼李帅莹曹洁萍刘丽更多>>
- 相关机构：沈阳农业大学河海大学铁岭市科学技术局更多>>
- 发文基金：引进国际先进农业科技计划辽宁省优秀青年科技人才培养基金辽宁省教育厅科技攻关项目更多>>
- 相关领域：农业科学水利工程更多>>
- 辽阳市生态需水量研究被引量：1
- 2007年
- 由于生态环境不断恶化以及水资源短缺,人类的生活环境将面临严峻的挑战。生态需水量的提出,对于生态平衡和水资源合理利用起到了重要作用。以辽阳市为例,把本地区的生态需水分为农田、草地、林地和河流几个部分,通过计算得出总的生态需水量为28.54亿m3,本地区的天然降水为29.12亿m3,天然降水已基本满足其生态需水要求。
- 吴晓明迟道才李璐王殿武王黎黎
- 关键词：生态需水量生态平衡生态系统阈值
- 基于MATLAB7的神经网络在灌溉用水量预测中的应用研究被引量：5
- 2006年
- 灌溉用水量的预测对于灌区管理工作具有重要的指导意义,使用神经网络方法预测灌溉用水量。介绍了BP网络的算法步骤,并且以铁甲灌区为例,使用软件MATLAB7对所设计的网络进行学习和训练,隐含层单元数的选取采用实验法,最终以隐单元数为13的网络预测性能最好,误差也达到精度要求。所建模型可以预测铁甲灌区的灌溉用水量。
- 唐延芳迟道才王殿武吴萍张瑞
- 关键词：灌溉用水量BP网络
- 基于Elman和BP神经网络的逐月参考作物腾发量预测被引量：5
- 2008年
- 参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义。由于参考作物腾发量随时间变化具有一定的动态特性,将动态的Elman神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了Elman模型与BP模型的预测结果。分析表明:Elman模型不仅能反应系统的动态特性,还具有比BP模型更高的预测精度、逼近性和稳定性。
- 李帅莹迟道才刘丽曹洁萍孟丽丽于淼
- 关键词：参考作物腾发量ELMAN神经网络BP神经网络
- 辽宁省农业灌溉水利用系数测试研究被引量：1
- 2011年
- 通过典型区域现场实验测算、代表性灌区实测及用水量调查平衡分析测算3种方法得出辽宁省灌溉水利用系数为0.52～0.59,为科学评价辽宁省农业用水效率,发展节水型农业,解决水资源短缺等问题提供了重要依据。
- 张宝东王殿武李松唐雷彬
- 关键词：灌溉水利用系数
- Mann-Kendall检验方法在降水趋势分析中的应用研究被引量：216
- 2008年
- 采用本溪地区4个气象站1958—2006年间气象资料,应用Mann-Kendall检验方法对降水量的年际变化特征、月际变化特征及趋势进行分析,并进行突变性检验。结果表明:近50 a本溪地区降水量随时间呈上升趋势变化;本溪站和草河口站降水量发生突变,分别是1978年、1986年和1976年。
- 曹洁萍迟道才武立强刘丽李帅莹于淼
- 关键词：降水量突变
- 基于最小二乘支持向量机的参考作物腾发量预测被引量：1
- 2009年
- 参考作物腾发量是估算作物蒸发蒸腾量的关键参数,其准确预测对提高作物需水预报精度具有十分重要的意义。最小二乘支持向量机(LS-SVM)是支持向量机(SVM)的一种改进算法,它基于结构风险最小化准则,可兼顾模型的经验风险和推广能力,将LS-SVM方法引用于参考作物腾发量预测中,并以辽宁省铁岭市为例,对比分析了LS-SVM模型与BP模型的预测结果。结果表明:LS-SVM模型学习速度快,具有比BP模型更高的模拟性能和预测精度。LS-SVM方法克服了BP模型训练时间长、容易陷入局部极小的缺点,是适合参考作物腾发量预测的新方法。
- 迟道才李帅莹于淼马宗正
- 关键词：参考作物腾发量支持向量机神经网络最小二乘支持向量机BP神经网络
- Elman反馈型神经网络模型在灌溉用水量预测中的应用被引量：11
- 2007年
- 灌溉用水量的预测对灌区的灌溉管理起着重要的作用。运用神经网络中Elman反馈型神经网络建立了灌溉用水量预测模型,模型输入层神经元数目为4,输出层神经元数目为1,隐含层神经元数目确定采用试验法,最终确定为10。预测结果表明:该方法与传统的预测方法相比,具有网络稳定性高,训练误差曲线比较平滑,模型预报精度较高等优点。
- 吴萍迟道才王殿武马涛刘鑫孙号茗
- 关键词：灌溉用水量神经网络
- 基于GRNN神经网络的参考作物腾发量预测被引量：6
- 2009年
- 参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有十分重要的意义。由于参考作物腾发量与各气象因子呈非线性关系,将GRNN神经网络引用于参考作物腾发量预测中,并以铁岭市为例,对比分析了GRNN模型与BP模型的预测结果。分析表明:GRNN模型不仅训练速度快,还具有比BP模型更高的预测精度、逼近性和稳定性。
- 梁凤国李帅莹于淼马宗正
- 关键词：参考作物腾发量GRNN神经网络BP神经网络
