共查询到20条相似文献，搜索用时 140 毫秒
1.
基于RAGA-BP神经网络模型的三江平原地下水资源预测研究 总被引：4，自引：1，他引：3
采用基于实数编码的加速遗传算法(RAGA)代替传统的最小二乘法以优化GM(1,1)模型参数,并与BP人工神经网络相组合,形成了基于RAGA的等维灰色递补BP神经网络预测模型.运用此模型对三江平原创业农场地下水埋深进行动态预测,BP神经网络结构确定为3:12:3,预测结果的相对误差只有2.33%,与传统的GM(1,1)模型和BP神经网络模型预测结果相比,预测精度显著提高.通过此模型预测,从2007年到2012年,该地区地下水平均年下降0.3 m. 相似文献
2.
基于支持向量回归机的耕地保有量组合预测 总被引：1，自引：0，他引：1
赖红松 《地理与地理信息科学》2011,27(2):56-60
为提高耕地保有量预测精度,将灰色预测GM(1,1)模型、动力预测模型、BP网络预测模型和加权支持向量回归机预测模型相结合,建立了基于支持向量回归机的耕地保有量组合预测模型,并将其用于温州市耕地保有量预测。结果表明,该模型比任一单一预测模型精度更高,可用于耕地保有量预测。 相似文献
3.
为提高原始数据呈非线性、随机性变化、样本量较小时城市耕地面积的预测精度,将无偏GM(1,1)模型与广义回归神经网络相结合,建立了基于灰色广义回归神经网络的城市耕地面积预测模型,并将其应用于平顶山市耕地面积预测,结果表明该模型精度高,具有一定的应用价值。 相似文献
4.
两种模型对潜流湿地出水中总氮含量的预测能力对比 总被引：1，自引：0，他引：1
《湿地科学》2017,(2)
以北京顺义汉石桥湿地自然保护区中水处理厂的潜流湿地为例,选取2014~2015年的水质监测数据,以电导率、溶解性固体总量、氧化还原电位、p H、水温和总输入氮含量为输入层,比较遗传算法优化的BP神经网络模型和广义回归神经网络模型对多处理单元潜流湿地出水中的总氮含量预测能力。研究结果表明,遗传优化的BP神经网络模型的拟合优度R2可达到0.835,平均相对误差百分比为12.89%,说明其对出水中的总氮含量有一定的预测能力,但精度较差;广义回归神经网络模型的平均相对误差百分比为4.46%,精度较高。利用广义回归神经网络模型对潜流湿地出水中的总氮含量进行预测较适宜。 相似文献
5.
基于TM数据的太湖叶绿素A浓度定量反演 总被引：21，自引：2，他引：19
利用TM(ETM)数据与准实时地面采样数据,建立太湖叶绿素浓度反演模型。结果表明,TM3/(TM1+TM4)与叶绿素A浓度的相关性最好,并以此建立了太湖叶绿素A浓度线性反演模型,但反演精度并不高,因此,建立了一个两层BP神经网络模型反演太湖的叶绿素A浓度,结果表明,神经网络模型的反演精度远高于线性反演模型,16个测试样本表明,神经网络模型反演的相对误差小于30%的有15个点,占总测试样本93.75%,而线性反演模型反演相对误差在30%以下的仅有3个点,这表明对于太湖这样一个光谱特征复杂的二类水体,可以利用神经网络模型反演水质参数。 相似文献
6.
BP网络模型在沙尘暴预测中的应用研究 总被引：2，自引：0，他引：2
依据锡林郭勒地区30 a气象资料,应用人工神经网络(ANN)中不同BP网络结构和算法,探索建立沙尘暴预测模型的方法。研究认为,在建立锡林郭勒地区沙尘暴预测模型时,选择年大风日数、年平均地温、年蒸发量、相对湿度4个气象因子作为模型的输入因子是合理的;经过输入因子确定,层数、节点选择,每层激活函数和输出因子的确定,锡林郭勒地区沙尘暴预测模型可采用三层网络结构（4-6-1）。比较和试算显示,快速BP算法较普通BP算法的训练速度快,收敛精度高64.47%;快速BP神经网络的沙尘暴预测模型的预测精度可达到98%,较传统的多元线性回归数学模型高。因此,应用快速BP神经网络建立沙尘暴预测模型简捷、方便,具有精度高、智能化等特点,可在区域沙尘暴预测预报领域推广。 相似文献
7.
基于高光谱的河套灌区农田表层土壤质地反演研究 总被引：2，自引：0，他引：2
以河套灌区解放闸灌域农田表层0～10 cm土壤为研究对象,研究风干土样的不同粒级含量与光谱特性关系,遴选出反映土壤粘粒、粉粒、砂粒含量各自敏感的光谱波段,分别建立土壤粘粒、粉粒、砂粒含量与敏感波段的一元线性回归模型和BP神经网络模型,模型验证结果表明:土壤粘粒、粉粒、砂粒含量的一元回归模型与BP神经网络模型精度基本一致,且都在85％以上.该研究结果可为应用高光谱遥感图像大范围识别河套灌区的土壤质地提供理论依据. 相似文献
8.
旅游客源预测模型及其对比 总被引：16，自引：0，他引：16
以中国1978--2001年入境客源为例,定量分析线性回归模型、移动平均预测模型、指数平滑模型以及灰色预测模型的应用及其差异问题,得出以下结论：1)对于21a、8a．5a序列客源数据,线性回归预测模型的绝对误差最大;2)随着序列数据从21a向8a、5a变化,指数平滑模型绝对误差整体相对变大,而灰色模型绝对误差整体相对变小;3)在进行我国入境客源预测时,如果序列较长(8a或以上),可选择指数平滑预测模型,如果序列较短(4～7a),可选择灰色预测模型,这样预测结果精度相对较高。 相似文献
9.
目前中国以化石能源为主的能源消费格局正逐步优化,清洁能源的消费规模逐步增加。对天然气消费量的预测分析对未来能源消费结构调整具有积极意义。本文创新性地采用拟合值偏离度倒数法进行权重设置,利用残差自回归模型和Kalman滤波算法构建组合预测模型,以《BP世界能源统计年鉴》和《中国统计年鉴》1980–2017年的天然气消费历史数据为对象,对中国天然气消费量进行预测研究。研究结果表明:(1)组合预测模型的预测精度更高:残差自回归预测模型的相对误差落在(–0.08,0.09)区间内,卡尔曼滤波预测的相对误差落在(–0.09, 0.32)区间内,组合预测模型相对误差落在(–0.03, 0.11)区间内。(2)组合预测模型预测结果的稳定性更好:残差自回归预测模型相对误差的预测方差为0.002,卡尔曼滤波预测相对误差的预测方差为0.007,组合预测模型相对误差的预测方差为0.001。(3)其他条件不变的情况下,2018年天然气消费量费预测值为2418.08亿m~3。与其他时间序列预测方法相比,利用残差自回归模型和卡尔曼滤波算法构成的组合预测模型对数据限制条件少,可操作性强,且分析结果更为可信。 相似文献
10.
灰色系统在耕地预测中的应用——以芜湖市为例 总被引：18，自引：0，他引：18
提高耕地动态变化预测精度是土地规划工作中的一项重要内容。文章利用灰色系统理论的建模思想。根据芜湖市耕地统计资料历史变化特点，分时段建立灰色系统模型来对比分析和筛选。并结合残差辩识来提高预测模型的精度。同时，与一元线性回归模型相比较，验证GM（1，1）模型在耕地变化预测中的精确性与可靠性，并提出运用对比分析与综合分析选择模型的思想来优化GM（1，1）模型，为科学精确地进行耕地预测提供了理论基础。 相似文献
11.
当观测资料的数据量少而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM（1,1）不能全面考虑多个变量。为此,采用自适应MGM（1,n）模型—多变量灰色预测模型,较好地解决了这一问题。针对一些地区气象数据较少甚至缺失的情况,以内蒙古正蓝旗的气象资料用Penman-Monteith计算的参考作物蒸散量（ET0）为研究对象,运用灰色系统理论建立MGM（1,3）模型,模拟预测参考作物蒸散量变化规律,并与GM（1,1）模型和BP神经网络模型比较,结果表明MGM（1,3）模型有较好的预测效果。 相似文献
12.
13.
城市需水量模拟及不确定性分析方法研究 总被引：1，自引：1，他引：0
需水量预测是区域水资源合理配置和有效管理的基础。由于供需水量的不确定性,精准的需水量预测较有困难。通过建立径向基函数（RBF）与BP神经网络预测模型,以西北地区城市西安市需水量为例,将用水量驱动因子作为模型输入,利用1990-2009年20组年用水数据进行网络训练模拟,对2010-2012年3组年用水数据进行检验预测,采用不确定性评价指数和置信区间方法对两种模型及模拟结果进行比较分析。结果表明,RBF与BP模型预测期的均方根误差分别为0.08、0.26,不确定性评价指数分别为0.74、1.02且BP模型预测值的相对误差最大超过10%以上,而RBF模型预测值的相对误差均小于5%,说明RBF模型模拟效果好,具有预测精度高以及不确定性影响低的双重优势;在模拟结果基础上,引用置信区间分析了结果的可靠性,为分析城市需水预测的不确定性提供了依据。 相似文献
14.
基于主成分分析的BP 神经网络在城市 建成区面积预测中的应用 ——-以北京市为例 总被引：1，自引：0，他引：1
城市建成区规模受社会、经济、城市环境等诸多因素影响, 传统统计方法难以准确预测城 市建成区的面积。人工神经网络具有良好的非线性映射逼近性能, 在各类预测研究中得到了广泛 的应用, 尤其是BP 神经网络。主成分分析可以在有效保留数据信息前提下对数据进行降维, 它 与BP 神经网络的结合主要在数据输入端, 通过减少输入层神经元个数, 增强网络性能, 提高预 测精度。本文以北京市为例, 综合运用主成分分析和BP 神经网络方法建立预测模型, 以1986~ 2003 年数据为学习样本, 以2004 年数据为检验样本, 对2005 年北京市城市建成区面积进行模 拟预测。预测结果表明, 基于主成分分析的BP 神经网络预测结果与实际值的相对误差为2.8%, 比传统BP 神经网络预测精度提高1.8 个百分点, 网络训练收敛速度也更快, 其预测精度和效率 都有不同程度的改善。 相似文献
15.
灰色系统预测模型的修正研究——以芜湖市耕地为例 总被引：1，自引：0，他引：1
针对GM(1,1)模型预测的不足,对其进行修正得到修正模型,并利用芜湖市耕地变化进行实例验证和应用。结果表明:1)应用灰色预测的修正模型对耕地变化进行预测比直接应用灰色预测模型更精确;2)分段建模和建立灰色—马尔柯夫模型是从两个不同的角度对GM(1,1)模型进行修正,但两者可以相互结合,使预测结果更准确。3)建立灰色—马尔柯夫模型可以避免其他多种影响因素,更具科学性和实用性。 相似文献
16.
通过收集2001-2010年河南省主要能源生产与消耗与GDP的数据资料,运用灰色系统理论,经过灰色关联度矩阵的计算和分析,得出结论:(1)GDP的增长对于能源消耗总量的绝对影响最大,其发展速度的影响次之.(2)能源消耗的增长直接影响到河南省的常规能源生产的增长,涨落关系十分密切.(3)原煤生产对于能源消耗和GDP具有强大的推动作用.通过运用灰色预测模型GM(1,1)对几个指标的预测,第一步预测的相对误差范围在0.721％ ～3.632％之间,预测的精度很高.因此,说明灰色预测模型用于区域经济发展与能源消耗研究是合适的.能源消耗总量、GDP呈现线性增长的趋势;原煤产量呈现稳步发展的趋势,增长不明显;天然气产量呈现线性下降的趋势. 相似文献
17.
提高粮食产量预测精度是科学编制土地利用总体规划的重要课题。该文首先运用灰色关联分析方法对影响粮食产量的因素做出关联因子排序,分析表明粮食单产对粮食总产量的影响最大,粮食作物播种面积次之。其次在灰色关联分析的基础上选取主要影响因子,通过比较线性回归模型、灰色GM(1,1)模型和灰色多元线性回归组合模型的预测结果,得到灰色多元线性回归组合模型预测结果最佳。 相似文献
18.
《山地学报》2017,(6)
为进一步研究BP神经网络模型在我国东南沿海地区不同类型暴雨洪水模拟的适用性,基于1956—2011年东南沿海西溪流域暴雨洪水实测资料,将洪水划分为台风和非台风暴雨洪水两类,选取并统计影响洪峰流量的7个要素,采用灰色关联法,分别分析洪水、台风暴雨洪水、非台风暴雨洪水的洪峰流量与各个要素之间的相关性,应用BP神经网络模型对三种系列洪水进行分类模拟。结果表明:(1)各个要素分别与台风和非台风暴雨洪水的洪峰流量的关联度大小、排序明显不同,不同类型洪水的洪峰流量与影响要素的之间相关程度存在较大的差异;(2)构建的多种BP神经网络模型结果都较为满意,可用于西溪流域洪峰流量的模拟预测,且进行台风与非台风暴雨洪水分类后的模型性能更优;(3)分别选取4个主要影响要素建立的台风与非台风暴雨洪水BP神经网络模型,模拟和预测的精度同样较高,能够有效地预测洪峰流量。 相似文献
19.
针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题，以定西市安家沟水土保持试验站2005—2016年1~12月人工草地径流场试验数据为主要来源，将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子，月土壤水蚀量作为输出，运用偏最小二乘法(Partial Least-Squares
Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型，并利用BP(Back Propagation)、RNN(Recurrent Neural
Network)、LSTM常见神经网络模型，对模型的有效性进行评估。结果表明：PLSR将模型8个输入因子减少为4个，从而有效解决LSTM神经网络模型对样本数量要求过高的问题； PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度，预测结果的平均相对误差小于4%，相关系数高于其他3种神经网络模型，而迭代次数、均方根误差和平均绝对误差均低于其他3种模型；研究发现坡度对人工草地土壤水蚀过程影响较为明显，降雨量小于25 mm时，人工草地土壤水蚀量不会随坡度增加而明显增长，但当降雨量超过25 mm时，人工草地土壤水蚀量会随坡度明显增加。 PLSR LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量，为该地区水土流失的准确预报提供新的思路和方法。 相似文献