共查询到20条相似文献，搜索用时 263 毫秒
1.
径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。 相似文献
2.
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
3.
海洋悬浮泥沙二元特征参数 MODIS遥感反演模型研究 总被引：1，自引：0，他引：1
本文提出了一种采用海面离水辐射率和泥沙粒径二元特征参数来反演研究海区(渤海)海洋表层悬浮泥沙浓度的新的遥感反演算法,以此为基础分别建立了基于MODIS遥感数据和泥沙粒径二元特征参数的主成分和神经网络两种泥沙浓度反演模型,并对比分析了两类模型的反演精度以及泥沙粒径因子对模型的影响。分析结果表明,新建立的二元特征参数反演算法在采用主成分模型和神经网络模型时的检验误差分别为0.256和0.244,而忽略泥沙粒径因子贡献的主成分模型和神经网络模型的检验误差分别为0.384和0.390,因此可以认为,在泥沙浓度反演模型中加入粒径因子时,模型的预测精度和模型稳定性均比只考虑浓度对反射率贡献的模型有显著改善。 相似文献
4.
该文以提升滑坡危险性评价精度为核心目标,对深度神经网络在滑坡危险性评价中的可行性和适用性进行研究,以期充分发挥深度神经网络强大的非线性学习和拟合能力,取得更加合理的滑坡危险性评价结果。选取滑坡灾害多发的深圳市作为实例,基于深圳市815条历史滑坡数据,开展了深度神经网络建模训练;通过与广义线性模型及分类与回归树模型训练效果的对比,对深度神经网络的建模效果进行了评价,深度神经网络、广义线性模型和分类与回归树模型的AUC值依次是0.908、0.861和0.857。将训练所得的模型应用于深圳市全区,对3种模型输出的滑坡危险性评价成果的合理性和可靠性进行了对比分析,结果表明:深度神经网络建模精度良好,优于常见的广义线性模型和分类与回归树模型,输出的滑坡危险性评价成果具有合理性,适用于滑坡危险性评价工作。 相似文献
5.
黑河中游土地利用/覆盖变化驱动力的定量分析 总被引：13，自引：4，他引：13
以1981-2005年间近25年数据为基础,定量分析了绿洲区土地利用/覆盖变化的社会经济与自然驱动力。文中对指标进行了相关分析、主成分分析和回归分析,对社会经济和自然驱动力的10个指标综合分析和对比,确定绿洲区土地利用/覆盖变化的主要驱动因子,阐明干旱区绿洲土地利用/覆盖变化的驱动机制。结果表明:黑河中游土地利用/覆盖变化驱动力的第一主成分、第二主成分和第三主成分的贡献率分别为50.501%、17.819%和17.480%,反映出绿洲土地利用/覆盖变化驱动力因子的综合性与复杂性,其中,社会经济驱动力在黑河中游LUCC中起到主导作用,自然驱动力相对来说作用较小。 相似文献
6.
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
7.
戈壁地表砾石粒径与遥感多光谱数据、植被指数及地学因子存在相关关系,但这些因子间可能存在着多重相关性,如利用这些因子直接建模估测戈壁地表砾石粒径,则可能出现病态模型。利用主成分分析法筛选因子,既可保留多个相关因子的主要信息,又可避免因子间共线性的问题,达到降维、简化模型的效果。因此,本文以新疆哈密市境内山前洪积扇戈壁地表砾石为研究对象,以2010年Landsat TM遥感影像及30 m分辨率DEM为基本数据源,采用主成分分析法,从选择的43个遥感及地学因子（主要包括影像各波段信息、DEM、NDVI、 GEMI,影像经K-T变换得到SBI、GVI、WVI三个分量,通过纹理分析得到的各个波段的均值、方差、信息熵、相关性及对比度等纹理因子,以及利用DEM提取的粗糙度等）中,筛选提取其主成分。结果表明,第一主成分至第五主成分的累计贡献率达98.0%,以前5个主成分作为自变量,借助SPSS软件中的多元回归分析功能,建立戈壁地表砾石粒径估测的回归模型,模型经方差分析及相关性检验,达到显著相关水平。基于建立的估测模型,进行了戈壁地表砾石粒径估测,经验证,实测值与估算值紧密相关。研究可帮助我们了解戈壁的特征,为戈壁区改造利用,认识沙粒迁移、沙漠扩展提供技术支持。 相似文献
8.
荒漠河岸胡杨(Populus euphratica)树干液流的时滞效应 总被引：1，自引：0，他引：1
以2012年4—9月树干液流速率与环境因子的实测数据,分析了荒漠河岸胡杨(Populus euphratica)树干液流的时滞效应。结果表明:不同月份胡杨树干液流速率对不同环境因子的时滞不同;4—9月,胡杨树干液流速率峰值时间比太阳辐射峰值时间晚约1h,比空气温度峰值时间早约1h,比水汽压差峰值时间早约2h,比空气相对湿度谷值时间早约2h;对影响胡杨树干液流速率的环境因子进行了主成分分析,发现胡杨树干液流速率与1h以前的第1主成分、第2主成分相关性最高,相关系数分别为0.864、0.875;对错位前后胡杨树干液流速率与环境因子进行多元线性回归分析发现,在胡杨树干液流的数值模拟中,考虑液流相对于环境因子的时滞效应可以提高模型的拟合精度。 相似文献
9.
热带森林植被生物量遥感估算探讨 总被引：20，自引：0，他引：20
该文以我国云南省西双版纳的热带森林植被为例,对热带森林植被生物量的遥感地学估算进行初步探讨。研究表明,只用LANDSAT TM的波段数据建立生物量的回归估算模型时,其模型的复相关系数只有0．118,而利用其主成分或植被指数建立回归估算模型时,其模型的复相关系数不仅没有提高,反而在一定程度上有所降低。原始波段与其主成分结合能提高估算模型的复相关系数,其效果比原始波段与植被指数结合的效果要好。模型中如果考虑气象因子中的年平均降雨量,能在很大程度上提高其复相关系数。在此基础上引入地形因子,未能显著提高模型的复相关系数。有气象因子参与建立的遥感气象模型和遥感地学模型在0．01水平上回归显著。 相似文献
10.
在论述铁矿石需求预测途径的基础上,选取影响我国铁矿石需求的8个基本因素,采用回归分析方法进行了铁矿石需求的单因素分析.单因素分析结果表明,选取的8个基本因素与铁矿石需求的相关度基本都大于0.9.对8个基本影响因素进行了主成分分析,最终降维为4个主成分.将主成分分析方法与回归分析方法相结合,建立了铁矿石的需求预测模型,并对我国2015年和2020年铁矿石的需求量进行了预测,分别为29.76亿t和26.68亿t. 相似文献
11.
三峡库区耕地变化研究 总被引：23，自引：2，他引：21
三峡工程是世界性的伟大工程,三峡工程的兴建推动了三峡库区的经济发展.在三峡库区经济发展的过程中,耕地成为经济发展的重要资源.本文利用三峡库区1990~2004年的耕地面积和社会经济资料,采用统计分析与实证研究的方法,分析了三峡库区耕地变化的过程,了解库区耕地变化的驱动力,探寻了耕地数量模拟预测的新方法,为库区耕地的保护和经济可持续发展提供参考.结果表明：(1)三峡库区15年来耕地面积及人均耕地面积呈减少的趋势,不同的库区段也如此;(2)三峡库区历年耕地面积与对应年人均GDP的关系曲线呈倒"U"型,并且相关年份耕地的变化与GDP的变化不同步,呈现相对脱钩的状态,三峡库区耕地的变化与城市化的发展及退耕政策休戚相关;(3)在库区耕地模拟预测研究中表明,传统的多元线性回归分析方法的模拟精度不及BP神经网络的模拟精度,并利用BP神经网络预测了三峡库区2010年和2015年的耕地面积,其预测结果具有一定的合理性. 相似文献
12.
Vesa Nykänen 《Natural Resources Research》2008,17(1):29-48
Among the more popular spatial modeling techniques, artificial neural networks (ANN) are tools that can deal with non-linear
relationships, can classify unknown data into categories by using known examples for training, and can deal with uncertainty;
characteristics that provide new possibilities for data exploration. Radial basis functional link nets (RBFLN), a form of
ANN, are applied to generate a series of prospectivity maps for orogenic gold deposits within the Paleoproterozoic Central
Lapland Greenstone Belt, Northern Fennoscandian Shield, Finland, which is considered highly prospective yet clearly under
explored. The supervised RBFLN performs better than previously applied statistical weights-of-evidence or conceptual fuzzy
logic methods, and equal to logistic regression method, when applied to the same geophysical and geochemical data layers that
are proxies for conceptual geological controls. By weighting the training feature vectors in terms of the size of the gold
deposits, the classification of the neural network results provides an improved prediction of the distribution of the more
important deposits/occurrences. Thus, ANN, more specifically RBFLN, potentially provide a better tool to other methodologies
in the development of prospectivity maps for mineral deposits, hence aiding conceptual exploration. 相似文献
13.
The shoreline of beaches in the lee of coastal salients or man-made structures, usually known as headland-bay beaches, has a distinctive curvature; wave fronts curve as a result of wave diffraction at the headland and in turn cause the shoreline to bend. The ensuing curved planform is of great interest both as a peculiar landform and in the context of engineering projects in which it is necessary to predict how a coastal structure will affect the sandy shoreline in its lee. A number of empirical models have been put forward, each based on a specific equation. A novel approach, based on the application of artificial neural networks, is presented in this work. Unlike the conventional method, no particular equation of the planform is embedded in the model. Instead, it is the model itself that learns about the problem from a series of examples of headland-bay beaches (the training set) and thereafter applies this self-acquired knowledge to other cases (the test set) for validation. Twenty-three headland-bay beaches from around the world were selected, of which sixteen and seven make up the training and test sets, respectively. As there is no well-developed theory for deciding upon the most convenient neural network architecture to deal with a particular data set, an experimental study was conducted in which ten different architectures with one and two hidden neuron layers and five training algorithms – 50 different options combining network architecture and training algorithm – were compared. Each of these options was implemented, trained and tested in order to find the best-performing approach for modelling the planform of headland-bay beaches. Finally, the selected neural network model was compared with a state-of-the-art planform model and was shown to outperform it. 相似文献
14.
This article presents new neural network (NN) architecture to improve its ability for grade estimation. The main aim of this
study is to use a specific NN which has a simpler architecture and consequently achieve a better solution. Most of the commonly
used NNs have a fully established connection among their nodes, which necessitates a multivariable objective function to
be optimized. Therefore, the more the number of variables in the objective function, the more the complexity of the NN. This
leads the NN to trap in local minima. In this study, a new NN, in which the connections based on the final performance are
eliminated, is used. Toward this aim, several network architectures were tested, and finally a network which yielded the minimum
error was selected. This selected network has low complexity and connection among nodes which help the learning algorithm
to converge rapidly and more accurately. Furthermore, this network has this ability to deal with the small number of data
sets. For testing and evaluating this new method, a case study of an iron deposit was performed. Also, to compare the obtained
results, some common techniques for grade estimation, e.g., geostatistics and multilayer perceptron (MLP) were used. According
to the obtained results, this new NN architecture shows a better performance for grade estimation. 相似文献
15.
16.
Braess模型与城市网络的空间复杂化探讨 总被引：2，自引：0，他引：2
Braess交通网络模型是经典的图论模型,但该模型同时具有很强的地理学色彩。Braess借助一个简单的网络揭示了出人意料的地理现象:增加交通路线有时反而降低运输效率。从理论地理学的角度对Braess网络进行了数学抽象,然后利用规划理论、图论和微分方程解析等方法揭示出区域-城市地理系统的空间复杂化两个重要动因:空间相互作用和宏观对称破坏。 相似文献
17.
该文提出一种新型模糊神经网络结构及算法。在这种控制方案中,采用三层模糊神经网络控制器和神经网络逆辨识控制器相结合的结构。计算机仿真研究和实际应用表明,采用新型模糊神经网络控制方法,对大滞后非线性系统的控制是有效的。 相似文献
18.
基于新型联想记忆神经网络的非线性系统辨识 总被引：1，自引：1，他引：0
Hopfield网络模型具有联想存储器功能,但对系统辨识不适用。具有动态记忆功能的Elman神经网络的泛化能力比较低。该文提出了一种新型联想记忆神经网络结构和学习算法,通过引入联想记忆衰减因子,提高了对非线性系统的辨识能力。通过与Elman动态神经网络辨识方法的仿真比较,说明联想记忆神经网络辨识方法具有很好的动态辨识能力和泛化能力。 相似文献
19.
This study compares how humans and neural networks classify climate types. Human subjects were asked to classify climates from monthly temperature and precipitation patterns. To model their learning process, the same data were used to produce input vectors that trained a pattern associator neural network. Both human subjects and the neural network classified climates accurately after 10 rounds of supervised learning. The neural network successfully modeled the rate of human learning and the ability to learn specific climate categories. Moreover, the neural network weights used to classify climates correspond to distinct visual characteristics in temperature and precipitation. These results suggest that neural networks can model the formation of visual categories. 相似文献
20.
《The Professional geographer》2013,65(3):237-239
This study compares how humans and neural networks classify climate types. Human subjects were asked to classify climates from monthly temperature and precipitation patterns. To model their learning process, the same data were used to produce input vectors that trained a pattern associator neural network. Both human subjects and the neural network classified climates accurately after 10 rounds of supervised learning. The neural network successfully modeled the rate of human learning and the ability to learn specific climate categories. Moreover, the neural network weights used to classify climates correspond to distinct visual characteristics in temperature and precipitation. These results suggest that neural networks can model the formation of visual categories. 相似文献