针对一辆小型燃料电池电动车的2 k W质子交换膜燃料电池(PEMFC)动力系统,利用遗传算法优化的BP神经网络建立其电压输出特性模型,将PEMFC部分实测数据作为遗传算法优化的BP神经网络的训练样本对其进行训练,利用训练好的神经网络对电堆电...针对一辆小型燃料电池电动车的2 k W质子交换膜燃料电池(PEMFC)动力系统,利用遗传算法优化的BP神经网络建立其电压输出特性模型,将PEMFC部分实测数据作为遗传算法优化的BP神经网络的训练样本对其进行训练,利用训练好的神经网络对电堆电压输出特性进行预测,并与实验数据进行对比,结果显示:网络预测的输出电压与实测输出电压之间的最大相对误差均保持在4%之内.展开更多
以大豆叶面积指数(Leaf area index,LAI)反演为研究目标,利用PROSAIL模型和遗传算法优化后的BP神经网络模型,分别对重组自交系(Recombinant Inbred Lines,RIL)和自然野生大豆种群的LAI进行反演。结果表明,在对人工定向培育的RIL大豆种...以大豆叶面积指数(Leaf area index,LAI)反演为研究目标,利用PROSAIL模型和遗传算法优化后的BP神经网络模型,分别对重组自交系(Recombinant Inbred Lines,RIL)和自然野生大豆种群的LAI进行反演。结果表明,在对人工定向培育的RIL大豆种群冠层叶片LAI反演中,PROSAIL模型表现出了更优异的反演能力,而对品种繁多的自然野生大豆种群LAI反演中,遗传算法优化后的BP神经网络模型表现出了更好的适用性,并且上述2种模型在始粒期(R5)时性能最佳,PROSAIL模型和遗传算法优化后的BP神经网络模型R2分别为0.89和0.85,RMSE分别为0.11和0.13,EA均为97%,典型生育期内的反演性能均优于全生育期综合反演性能。因此,针对同一农作物不同种群的表型特征反演,需要根据研究对象的特征来选择合适的模型,以便于精确的估测大豆长势情况,为农作物的规模化育种监测提供数据支持。展开更多
文摘针对一辆小型燃料电池电动车的2 k W质子交换膜燃料电池(PEMFC)动力系统,利用遗传算法优化的BP神经网络建立其电压输出特性模型,将PEMFC部分实测数据作为遗传算法优化的BP神经网络的训练样本对其进行训练,利用训练好的神经网络对电堆电压输出特性进行预测,并与实验数据进行对比,结果显示:网络预测的输出电压与实测输出电压之间的最大相对误差均保持在4%之内.
文摘以大豆叶面积指数(Leaf area index,LAI)反演为研究目标,利用PROSAIL模型和遗传算法优化后的BP神经网络模型,分别对重组自交系(Recombinant Inbred Lines,RIL)和自然野生大豆种群的LAI进行反演。结果表明,在对人工定向培育的RIL大豆种群冠层叶片LAI反演中,PROSAIL模型表现出了更优异的反演能力,而对品种繁多的自然野生大豆种群LAI反演中,遗传算法优化后的BP神经网络模型表现出了更好的适用性,并且上述2种模型在始粒期(R5)时性能最佳,PROSAIL模型和遗传算法优化后的BP神经网络模型R2分别为0.89和0.85,RMSE分别为0.11和0.13,EA均为97%,典型生育期内的反演性能均优于全生育期综合反演性能。因此,针对同一农作物不同种群的表型特征反演,需要根据研究对象的特征来选择合适的模型,以便于精确的估测大豆长势情况,为农作物的规模化育种监测提供数据支持。
