首页--农业科学论文--农作物论文--烟草(菸草)论文

基于BP神经网络的会理县气象因子对“红大”烟叶碱含量的预测分析

摘要第4-6页
Abstract第6-7页
1 前言第10-15页
    1.1 研究背景和意义第10页
    1.2 国内外研究综述第10-13页
        1.2.1 烟碱研究第10-11页
            1.2.1.1 我国烟叶烟碱含量状况第11页
            1.2.1.2 烟碱对烟叶品质的影响第11页
        1.2.2 气象因素对烟碱含量的影响第11-12页
        1.2.3 神经网络研究第12-13页
        1.2.4 研究现状小结第13页
    1.3 研究内容第13页
    1.4 研究区域概况第13-14页
    1.5 技术方案第14-15页
        1.5.1 技术路线第14页
        1.5.2 试验方法第14-15页
2 材料与方法第15-21页
    2.1 数据来源第15页
        2.1.1 烟碱含量数据来源第15页
        2.1.2 气象数据来源第15页
    2.2 研究方法第15-21页
        2.2.1 主成分分析第15-16页
        2.2.2 相关性分析第16-17页
        2.2.3 回归分析第17-18页
        2.2.4 人工神经网络第18-20页
            2.2.4.1 BP神经网络模型简介第18-19页
            2.2.4.2 神经网络模型数据预处理第19-20页
            2.6.4.3 前向BP模型构建第20页
        2.2.5 误差验证公式第20-21页
3 结果分析第21-58页
    3.1 烟碱与气象因子统计分析第21-31页
        3.1.1 烟碱统计分析第21-22页
        3.1.2 气象因子时间统计分析第22-26页
        3.1.3 气象因子空间统计分析第26-30页
        3.1.4 气象因子统计分析小结第30-31页
    3.2 大田期气象因子与烟碱含量关系分析第31-34页
        3.2.1 大田期气象因子与烟碱含量相关性分析第31-32页
        3.2.2 大田期气象因子回归分析第32-33页
            3.2.2.1 大田期气象因子逐步回归分析第32-33页
            3.2.2.2 大田期气象因子强制回归分析第33页
        3.2.3 基于大田期气象因子的神经网络模型构建第33-34页
    3.3 分时段气象因子与烟碱含量关系分析第34-40页
        3.3.1 分时段气象因子与烟碱含量相关性分析第34-35页
        3.3.2 分时段气象因子回归分析第35-38页
            3.3.2.1 分时段气象因子逐步回归第35-37页
            3.3.2.2 分时段气象因子强制回归第37-38页
        3.3.3 基于分时段气象因子的神经网络模型构建第38-40页
    3.4 大田期主成分因子与烟碱含量关系分析第40-47页
        3.4.1 大田期气象因子主成分因子提取第40-43页
        3.4.2 大田期主成分因子与烟碱含量相关性分析第43页
        3.4.3 大田期主成分因子回归分析第43-45页
            3.4.3.1 主成分因子F4、F5逐步回归分析第43-45页
            3.4.3.2 主成分因子F4、F5强制回归分析第45页
        3.4.4 基于大田期主成分因子的神经网络模型构建第45-47页
            3.4.4.1 基于大田期主成分因子F4、F5的神经网络模型构建第45-46页
            3.4.4.2 基于大田期主成分子因子F4的神经网络模型构建第46-47页
    3.5 分时段主成分因子与烟碱含量关系分析第47-57页
        3.5.1 分时段气象因子主成分因子提取第47-52页
        3.5.2 分时段主成分因子与烟碱含量相关性分析第52页
        3.5.3 分时段主成分因子F1、F2、F3回归分析第52-54页
            3.5.3.1 主成分因子F1、F2、F3逐步回归分析第52-53页
            3.5.3.2 主成分因子F1、F2、F3强制回归分析第53-54页
        3.5.4 基于分时段主成分因子的神经网络模型构建第54-57页
            3.5.4.1 基于分时段主成分因子F1、F2、F3的神经网络模型构建第54-55页
            3.5.4.2 基于主成分因子F1的神经网络模型构建第55-57页
    3.6 方法结果比较第57-58页
        3.6.1 回归分析结果对比第57页
        3.6.2 神经网络预测结果对比第57-58页
        3.6.3 神经网络与回归分析预测结果对比第58页
4 结论第58-60页
参考文献第60-64页
附录1第64-66页
附录2第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:FHL1通过抑制微管形成介导肝癌细胞对紫杉醇耐药
下一篇:水稻中稻瘟菌丝氨酸蛋白酶MoSp1互作蛋白的功能分析