预测神经网络建模用于杏仁收获尘埃控制
Reza Serajian1, Jian-Qiao Sun1, Jeanette Cobian-Iñiguez1
1Department of Mechanical Engineering, University of California Merced, 5200 N. Lake Road, Merced, CA 95343, USA.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
这项研究开发了一个神经网络,以预测杏仁收获的PM2.5尘埃排放. 该模型准确预测颗粒物,有助于农业环境管理.
科学领域:
- 农业工程 农业工程
- 环境科学 环境科学
- 机器学习 机器学习
背景情况:
- 加利福尼亚州的杏仁收获产生了大量的尘埃排放,特别是细颗粒物 (PM2.5).
- 准确预测这些排放对于环境遵守和减轻健康影响至关重要.
- 现有的排放估计方法可能无法完全捕捉收获操作的动态性质.
研究的目的:
- 开发和验证一个PM2.5排放在杏仁收获期间的预测模型.
- 分析收割机运行参数与PM2.5产生之间的关系.
- 为杏仁行业提供积极的环境管理工具.
主要方法:
- 利用前神经网络 (FNN) 进行PM2.5排放预测.
- 预处理的现场数据,包括异常值的移除和正常化.
- 通过两个隐藏层训练FNN,tanh激活,MSE损失和Adam优化.
主要成果:
- 该FNN模型实现了PM2.5排放的高预测精度.
- 证明了0.02的平均平方误差 (MSE) 和0.01的平均绝对误差 (MAE).
- 确定了影响产生尘埃的关键操作参数.
结论:
- 开发的神经网络模型为预测杏仁收获中的PM2.5排放提供了一个精确的方法.
- 这种方法将机器学习与可持续生产的农业实践相结合.
- 这项研究为使用预测分析来减少农业排放创造了先例.
更多相关视频
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
3.7K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.5K
