共查询到17条相似文献，搜索用时 128 毫秒
1.
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
2.
基于T-S模糊神经网络模型的榆林市土壤风蚀危险度评价 总被引：1，自引：0，他引：1
选择位于风沙过渡区的榆林市为研究区域,以GIS技术和T-S模糊神经网络为依托,从土壤风蚀影响因子及风蚀动力学机制出发构建区域土壤风蚀危险度模型。基于此模型,对榆林市土壤风蚀危险度空间分异特征进行了分析,结果表明:T-S模糊神经网络模型可有效地揭示出区域土壤风蚀危险度与环境之间的映射关系,为土壤风蚀预测提供依据;风力、植被、气温、降水、地形等环境要素控制着土壤风蚀危险度空间分异格局;榆林市土壤风蚀危险度空间分异格局表现为:危险度从西北向东南逐渐降低。 相似文献
3.
采用自适应模糊神经网络的方法,以金属离子外层主量子数(n)、电荷(Z)、半径(r)、适配价轨道数因子(w)及价电子结构因子(S)等为参数,关联金属—EDTA配合物稳定常数。利用减法聚类算法确定模糊神经网络的结构,并结合模糊推理系统进行该网络参数的调整,网络仿真的结果是满意的。在此基础上,预测了13种金属—EDTA配合物稳定常数。 相似文献
4.
5.
土地覆被的气候预测模型 总被引：1，自引：0，他引：1
在全国挑选了东北、华北、华中、西南、华南、西北、新疆和西藏8个试验区,采用人工神经网络和逐步回归方法,应用温度、降水对植被指数进行预报(气候因子超前土地覆盖特征量24个月).试报结果表明:在对植被指数的预报上,人工神经网络优于逐步回归.同时尝试性的将神经网络预报方法与逐步回归方法结合起来作预报,即应用逐步回归挑选出来的预报因子作为神经网络的外部输入精选因子,进行神经网络模拟预报.研究表明,对神经网络的预报因子进行精选,可事先排除一些干扰信息,对提高神经网络的预报准确率有所帮助. 相似文献
6.
7.
基于BP神经网络的盐渍土盐分遥感反演模型研究 总被引：3，自引：0，他引：3
采用遥感技术和BP神经网络技术,结合野外实测的盐渍土光谱特征和实验室化验的土壤含盐数据,对盐渍土盐分的遥感反演进行了模型的设计与编程实现.BP神经网络模型的预测精度在62.5%,明显高于传统统计模型的预测精度,表明BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,可用于建立土壤盐分遥感反演模型. 相似文献
8.
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
9.
本文简略地介绍了几种地质灾害数据处理与建模的非红性方法,主要包括ＧＭＤＨ自组织建模技术、神经网络方法。ＧＭＤＦＨ是一种高阶非线性回归建模方法,它是以简单的二元二次回归方程为基础,通过“代复一代”的“生产”过程,客观、自动地求得实际资料的非线性模型。而神经网络则是用工程技术手段模拟生物神经网络的结构特征和功能特征的一类人工系统。与常规统计方法相比,神经网络最突出的优点为它是对网络的学习和训练,来掌握 相似文献
10.
中国入境旅游需求预测的神经网络集成模型研究 总被引：4，自引：1，他引：3
对入境旅游需求进行科学合理的预测直接关系到中国入境旅游发展战略的制定和实施,具有积极的现实意义。目前,BP神经网络作为一种常见的传统机器学习方法,被广泛用于旅游需求预测建模。然而,由于BP神经网络存在诸如易过配、参数设置难、获得全局最优解难等局限,在实际应用中表现极不稳定。有鉴于此,拟将BP神经网络和集成学习技术相结合,构建入境旅游需求预测的神经网络集成模型,并对美国、英国、澳大利亚3个客源国近20 a来的入境游客量数据进行验证分析。结果表明,神经网络集成有效克服了单个BP神经网络在小规模数据集上的局限性,获得了比包括BP神经网络在内的传统机器学习技术和传统统计方法更为准确的预测结果,这有利于更加准确地把握中国入境旅游市场需求。 相似文献
11.
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
12.
快速获取区域土壤盐渍化程度信息,对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区,以盐分影响因子和盐分指数分别作为输入参数,建立支持向量机(SVM),BP神经网络(BPNN)和贝叶斯神经网络(BNN)3种土壤盐分预测模型,选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：(1)0～20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳,决定系数(R2)为0.618,均方根误差(RMSE)为2.986;20～40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳,R2为0.651,RMSE为1.947;综合对比下,BNN模型的预测效果最好,可用于研究区土壤盐渍化预测。(2)银川平原主要是以非盐渍化和轻度盐渍化为主,0～20 cm土壤重度盐渍化及盐土共占总面积的11.59%,20～40 cm土壤重度盐渍化及盐土共占总面积的7.04%,20～40 cm土壤盐渍化程度较0～20 cm土壤盐渍化轻。 相似文献
13.
针对新疆渭干河-库车河三角洲绿洲土壤盐分动态监测中存在的方法问题,首先用灰色关联度模型分析影响形成土壤盐渍化的各因子,并确定其与土壤盐分之间的关联度,然后将人工智能计算技术引入土壤盐分的预测中,经过多次调整网络结构和参数,建立了预测表层土壤盐分的BP神经网络模型和RBF神经网络模型。结果表明：以潜在蒸散量、地下水埋深、地下水矿化度、土壤电导率、总溶解固体、pH值、坡度和土地利用类型8个因素为输入因子,以土壤含盐量为输出因子的BP网络模型和RBF网络模型可有效模拟土壤盐分与其影响因子之间的内在复杂关系,并且有较高的精度。BP网络模型预测误差略低于RBF神经网络。本研究可为分析和预测土壤盐渍化动态规律提供一种有效可行的新途径,是对传统土壤盐分动态研究的补充。 相似文献
14.
基于人工神经网络的老年男性血沉参考值与地理环境关系研究 总被引：4，自引：0，他引：4
以健康老年男性血沉参考值为例,收集中国各地用温氏法测定的健康老年男性血沉参考值,运用BP神经网络模拟分析其与地理环境的海拔高度、年日照时数、年平均相对湿度、年平均气温、年降水量等要素间的非线性、复杂性关系特征,通过5层神经网络,经过500次及1 300次自学习建立模拟规则后,用此规则很好地模拟健康老年男性血沉参考值与地理环境的关系。知道中国某地的地理要素, 就可用此模型估算该地区老年男性血沉参考值。人工神经网络预测血沉参考值的模型自动定义具体的结构和参数,减少血沉参考值预测中的人为性,计算方便;同时,通过对不同地理要素的组合,模型可以寻找预测误差最低的地理要素组合关系。 相似文献
15.
平原河网地区河流结构特征及其对调蓄能力的影响 总被引：19，自引：2，他引：17
平原河网地区是河流高度发育并受到城市化深刻影响的区域。本文以上海为例,基于上海及周边城市普遍采用的河流分类和水利片管理系统,分析不同城市化水平地区河流结构的共同特征及其差异性,探讨河流结构对河网调蓄能力的可能影响,提出估算河网调蓄能力的方法。研究表明,平原河网地区河流结构指标反映了该地区河流数量、长度以及低等级河流高度发育的自然地理特征,城市化在达到一定程度后即会干扰河流结构的自身发育规律,并表现为河流发育能力的下降;河流结构在城市化影响下表现出由复杂到简单、由多元到单一的变化趋势;河网调蓄能力受低等级河流数量及结构的影响更大,并随着城市化水平的提高而下降;就整体而言,城市化对河网调蓄能力的影响大于对河流结构的影响;以水面数量和河流结构两项指标作为参数能够更准确地估算河网调蓄能力。 相似文献
16.
PETER B.HARRINGTON 《地理学报(英文版)》1991,(5)
A fuzzy multivariate rule-building expert system (FuRES) has been devised which also functions as aminimal neural network.This system builds rules from training sets of data that use featuretransformation in their antecedents.The rules are constructed using the ID3 algorithm with a fuzzyexpression of classification entropy.The rules are optimal with respect to fuzziness and can accommodateoverlapped and underlapped clusters of data.The FuRES algorithm combines the benefits obtained fromsimulated annealing and gradient optimization,which provide robustness and efficiency respectively.FARES classification trees support OR logic in their inference.The system automatically generatesmeaningful and consistent certainty factors during rule construction.Unlike other neural networks,FuRES uses local processing which furnishes qualitative information in the rule structure of itsclassification trees and variable loadings of the weight vectors. 相似文献
17.
Most previous research on areas with abundant rainfall shows that simulations using rainfall-runoff modes have a very high prediction accuracy and applicability when using a back-propagation(BP), feed-forward, multilayer perceptron artificial neural network(ANN). However, in runoff areas with relatively low rainfall or a dry climate, more studies are needed. In these areas—of which oasis-plain areas are a particularly good example—the existence and development of runoff depends largely on that which is generated from alpine regions. Quantitative analysis of the uncertainty of runoff simulation under climate change is the key to improving the utilization and management of water resources in arid areas. Therefore, in this context, three kinds of BP feed-forward, three-layer ANNs with similar structure were chosen as models in this paper.Taking the oasis–plain region traverse by the Qira River Basin in Xinjiang, China, as the research area, the monthly accumulated runoff of the Qira River in the next month was simulated and predicted. The results showed that the training precision of a compact wavelet neural network is low; but from the forecasting results, it could be concluded that the training algorithm can better reflect the whole law of samples. The traditional artificial neural network(TANN) model and radial basis-function neural network(RBFNN) model showed higher accuracy in the training and prediction stage. However, the TANN model, more sensitive to the selection of input variables, requires a large number of numerical simulations to determine the appropriate input variables and the number of hidden-layer neurons. Hence, The RBFNN model is more suitable for the study of such problems. And it can be extended to other similar research arid-oasis areas on the southern edge of the Kunlun Mountains and provides a reference for sustainable water-resource management of arid-oasis areas. 相似文献