国赛优秀论文--油菜菌预报的人工神经网络方法

资 源 简 介

国赛优秀论文--油菜菌预报的人工神经网络方法

详 情 说 明

在数学建模国赛中，人工神经网络方法被成功应用于油菜菌预报问题，展现了机器学习在农业病害预测中的实用价值。该论文的核心思路是通过构建多层感知器网络，将气象因素、土壤参数等环境变量作为输入特征，输出未来一段时间内油菜菌爆发的概率预测。

研究团队首先对历史数据进行归一化处理，解决不同量纲特征的尺度差异问题。隐含层采用ReLU激活函数加速梯度下降收敛，输出层使用Sigmoid函数将结果映射为0-1的概率值。为避免过拟合，论文创新性地结合了Dropout层和早停机制。

与传统统计模型相比，该方法通过自动学习非线性特征关系，显著提高了预报准确率。特别是在处理连续阴雨天后突发放晴等复杂气象模式时，神经网络展现出更强的模式识别能力。研究结果可为农业部门提供提前3-5天的预警窗口，有助于及时采取防治措施。

该案例为跨学科问题提供了示范：将生物生长规律转化为可量化的特征工程，同时验证了轻量级神经网络在边缘计算设备上的部署可行性，这对智慧农业的实时监测系统具有参考意义。