通过粒子群优化 - 逆向传播神经网络对有机肥的DEM参数校准的实验研究
Fandi Zeng1, Limin Liu1, Yinzeng Liu1
1College of Mechanical and Electronic Engineering, Shandong Agriculture and Engineering University, Jinan, 250100, China.
Scientific reports
|July 15, 2025
概括
这项研究利用模拟和实验优化了有机肥料颗粒的特性. 粒子集群优化-反向传播 (PSO-BP) 算法准确预测了静止角度,改善了肥料处理.
科学领域:
- 农业工程 农业工程
- 材料科学 材料科学 材料科学
- 计算建模 计算建模
背景情况:
- 对有机肥料颗粒的准确表征对于高效的处理和应用至关重要.
- 传统方法可能无法完全捕捉影响粒子行为的复杂物理性质.
研究的目的:
- 为了校准有机肥料颗粒的物理性质.
- 开发一个准确的休息角预测模型.
主要方法:
- 综合方法结合了物理实验,机器视觉和模拟.
- 使用普拉克特-伯曼和中央复合设计测试进行统计分析.
- 使用遗传算法 (GA) 和粒子群优化 (PSO) 开发和优化反向传播 (BP) 神经网络.
主要成果:
- 确定了影响休息角度的关键参数.
- 与BP,GA-BP和响应表面方法 (RSM) 模型相比,PSO-BP算法显示出更高的性能.
- 在预测静止角度方面实现了高精度和降低误差.
结论:
- 该PSO-BP算法提供了一个强大的和准确的方法来预测有机肥颗粒的休息角度.
- 为模型校准,确定了最佳参数组合 (CORO-p=0.35,COSO-O=0.49,COSO-p=0.29,CODO-O=0.38) 的时间.
更多相关视频
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
10.3K
10:29Calibrated Passive Sampling - Multi-plot Field Measurements of NH3 Emissions with a Combination of Dynamic Tube Method and Passive Samplers
Published on: March 21, 2016
12.4K
