期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于云计算和WebGIS的农业信息服务系统构建
被引量：
9
1
作者
张立国
吴超
时广毅
《湖北农业科学》
北大核心
2013年第5期1161-1163,共3页
介绍了云计算的概念、特点及其SPI模型,将其应用到农业信息服务领域,以Windows Azure平台、WebGIS技术和Visul Studio 2010相结合完成了农业信息网站的建设与开发。该平台的应用将对农业信息化建设起到一定的推动作用。
关键词
云计算
Windows
AZURE
农业信息服务
WEBGIS
在线阅读
下载PDF
职称材料
基于SSA-CNN-LSTM的蛋鸡舍二氧化碳排放量预测研究
2
作者
王聆汐
李丽华
+4 位作者
贾宇琛
于尧
李民
谢紫开
付安楠
《中国家禽》
北大核心
2025年第6期88-98,共11页
为准确预测蛋鸡舍二氧化碳排放量,评估和控制集约化养殖对环境的影响,以制定有效的减排措施,研究提出一种基于麻雀搜索算法(SSA)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的混合神经网络模型。该模型以华北地区典型的叠层笼养鸡...
为准确预测蛋鸡舍二氧化碳排放量,评估和控制集约化养殖对环境的影响,以制定有效的减排措施,研究提出一种基于麻雀搜索算法(SSA)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的混合神经网络模型。该模型以华北地区典型的叠层笼养鸡舍为研究对象,综合考虑二氧化碳、通风量、大气压、温度和湿度等环境因素。研究通过预处理环境数据并计算每小时二氧化碳排放量,构建相应的数据集。利用SSA和CNN对LSTM模型进行特征提取和超参数优化,有效提升模型性能。结果显示:SSA-CNN-LSTM模型的平均绝对误差(MAE)为0.15 kg,R²值稳定在0.95以上,并预测出2024年某蛋鸡舍的二氧化碳排放量,MAE为0.2 kg。研究表明,SSA-CNN-LSTM模型能够较为准确地预测蛋鸡舍二氧化碳排放量,为蛋鸡养殖系统碳排放核算提供更为简单有效的预测方法。
展开更多
关键词
蛋鸡舍
二氧化碳排放量
卷积神经网络
麻雀搜索算法
长短期记忆神经网络
在线阅读
下载PDF
职称材料
题名
基于云计算和WebGIS的农业信息服务系统构建
被引量：
9
1
作者
张立国
吴超
时广毅
机构
河北农业大学信息与科学技术学院
河北
保定供电公司
出处
《湖北农业科学》
北大核心
2013年第5期1161-1163,共3页
基金
国家自然科学基金项目(61074078)
河北省保定市科技指导计划项目(11ZG025)
文摘
介绍了云计算的概念、特点及其SPI模型,将其应用到农业信息服务领域,以Windows Azure平台、WebGIS技术和Visul Studio 2010相结合完成了农业信息网站的建设与开发。该平台的应用将对农业信息化建设起到一定的推动作用。
关键词
云计算
Windows
AZURE
农业信息服务
WEBGIS
Keywords
cloud computing
Windows Azure
SPI model
agricultural information services
WebGIS
分类号
S [农业科学]
在线阅读
下载PDF
职称材料
题名
基于SSA-CNN-LSTM的蛋鸡舍二氧化碳排放量预测研究
2
作者
王聆汐
李丽华
贾宇琛
于尧
李民
谢紫开
付安楠
机构
河北农业大学
机电工程
学院
河北
省畜禽养殖智能装备与新能源利用重点实验室
河北农业大学信息与科学技术学院
出处
《中国家禽》
北大核心
2025年第6期88-98,共11页
基金
国家自然科学基金项目(31902209)
河北省现代农业产业技术体系建设专项资金(HBCT2024260203)
河北农业大学获批人才引进计划(YJ2023049)。
文摘
为准确预测蛋鸡舍二氧化碳排放量,评估和控制集约化养殖对环境的影响,以制定有效的减排措施,研究提出一种基于麻雀搜索算法(SSA)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的混合神经网络模型。该模型以华北地区典型的叠层笼养鸡舍为研究对象,综合考虑二氧化碳、通风量、大气压、温度和湿度等环境因素。研究通过预处理环境数据并计算每小时二氧化碳排放量,构建相应的数据集。利用SSA和CNN对LSTM模型进行特征提取和超参数优化,有效提升模型性能。结果显示:SSA-CNN-LSTM模型的平均绝对误差(MAE)为0.15 kg,R²值稳定在0.95以上,并预测出2024年某蛋鸡舍的二氧化碳排放量,MAE为0.2 kg。研究表明,SSA-CNN-LSTM模型能够较为准确地预测蛋鸡舍二氧化碳排放量,为蛋鸡养殖系统碳排放核算提供更为简单有效的预测方法。
关键词
蛋鸡舍
二氧化碳排放量
卷积神经网络
麻雀搜索算法
长短期记忆神经网络
Keywords
layer house
carbon dioxide emission
convolutional neural network
sparrow search algorithm
long short-term memory neural network
分类号
S831.4 [农业科学—畜牧学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于云计算和WebGIS的农业信息服务系统构建
张立国
吴超
时广毅
《湖北农业科学》
北大核心
2013
9
在线阅读
下载PDF
职称材料
2
基于SSA-CNN-LSTM的蛋鸡舍二氧化碳排放量预测研究
王聆汐
李丽华
贾宇琛
于尧
李民
谢紫开
付安楠
《中国家禽》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
