共查询到18条相似文献，搜索用时 109 毫秒
1.
2.
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
3.
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
4.
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
5.
预测陕西关中地区需水量的改进GM(1,1)模型 总被引：6，自引：0，他引：6
需水量评价与预测是水资源规划与管理一项重要的研究内容。本文采用定额法计算需水量。通过对陕西关中地区需水量要素组成的分析,认为需水量要素属平稳时间序列,且一阶累加生成数据系列满足指数规律,符合灰色预测条件。为了提高GM(1,1)模型的精度,采用一种改变背景值的新方法,即:中心逼近方法。通过精度检验,中心逼近式GM(1,1)模型平均误差百分比、误差平方和分别比传统的GM(1,1)模型提高了0.147和1.579。用中心逼近式GM(1,1)模型预测需水量各要素近期和中长期值,经检验,其中非农业人口、农业人口、耕地面积、工业总产值预测模型满足一级模型,等级为良好。牲畜头数预测模型为不合格模型,分析其原因,主要是因为时间序列数据不完全符合指数规律。通过定额法计算,预计75%保证率时2005年和2010年关中地区工农业需水量分别占总需水量的92.21%和89.75%,生活需水量分别占7%和9.04%。 相似文献
6.
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
7.
湿地植被地上生物量遥感估算模型研究——以洪河湿地自然保护区为例 总被引：3，自引：0，他引：3
以洪河湿地自然保护区的TM图像和29个实测样地生物量数据为数据源,采用单变量线性和非线性回归、多元线性逐步回归及人工神经网络(BP网络、RBF网络)技术,构建了研究区内典型湿地植被(草甸和沼泽)的地上生物量干重和湿重的遥感估算模型,并对比得到最优模型。主要结论有:(1)RBF神经网络模型及多元非线性模型是研究区内湿地植被地上生物量遥感估算的最优模型,生物量干重估算值的平均相对误差为2.795%,生物量湿重估算值的平均相对误差为3.399%。(2)比较2004年8月、2006年8月和2008年8月研究区内草甸和沼泽总生物量可得,总生物量干重呈上升趋势,而总生物量湿重呈下降趋势。(3)研究区内生物量极高值和极低值分布较少,且主要集中于混合像元分布的地方,如岛状林、灌丛的周边地区或是沼泽内含水较多的地区。 相似文献
8.
9.
基于神经网络CA的兰州城市土地利用变化情景模拟 总被引：6，自引：1，他引：5
利用遥感和GIS技术获取兰州市1995-2005年土地利用、城市地价和城市规划等空间数据;基于Matlab7.2耦合GIS、人工神经网络和元胞自动机,对黎夏的ANN-CA模型进行扩展,模拟兰州市土地利用变化趋势。该模型综合考虑了影响城市土地利用变化的自然、经济和政策3个层面17个空间变量,并设计了5种不同阈值和随机扰动参数组合,进行校准和情景预测。研究表明:改进的模型精度较高,第3种参数组合预测最接近兰州市未来土地利用变化趋势:2005-2015年兰州市土地利用变化主要以居住、工业和道路用地增长为主,分别为17.8%、2.1%和1.2%;商业、仓储和政府社团用地增长较少,分别为0.6%、0.6%和0.5%。 相似文献
10.
基于GIS与BP神经网络的中国耕地变化与模拟研究 总被引：3，自引：1，他引：2
基于全国1996-2005年期间耕地面积与相关的社会经济数据为基础资料,分析研究期间耕地变化的过程,探讨耕地与社会经济因子之间的关系,模拟预测未来的耕地面积.研究结果表明在研究期内,耕地面积持续减少,尤其是以生态退耕为主;通过耕地动态度与耕地相对变化率的空间化,发现耕地数量变化与程度变化存在空间差异;通过相关性分析获得耕地变化的社会经济驱动因子,采用三层BP神经网络建立了耕地面积与相关社会经济因子的模型,模拟平均误差小;预测2010年、2015年耕地面积分别为11 195.82×104hm2、9 889.30×104hm2,根据耕地的预测结果,可以判断现有的发展模式是否利于确保耕地红线,对促进我国社会经济发展有重要作用. 相似文献
11.
流域水资源丰富度评价的自组织神经网络模型 总被引：1，自引：0，他引：1
水资源丰富度评价是开展水文区划和水利化区划工作重要的科学依据[1] 。针对水资源丰富度与其影响因素之间复杂的非线性关系 ,该文提出应用自组织神经网络模型来评价流域水资源的丰富度 ,解决了在水文条件复杂的地区训练 (学习 )样本难以获得的难题。 相似文献
12.
福海叶绿素含量的人工神经网络反演模型 总被引：3，自引：0，他引：3
在圆明园福海同时进行光谱测量与叶绿素测定。使用传统经验统计算法、BP人工神经网络和径向基函数(Radial Basis Function,RBF)网络,分别建立光谱值反演叶绿素浓度模型。结果表明,径向基函数网络具有结构自适应确定、输出不依赖初始权值、速度快、结果可靠、能充分利用光谱信息等优良特性,得到了相当好的拟合结果,是一种值得推广的预测叶绿素浓度的神经网络模型。 相似文献
13.
Yibin Ren Yang Zhang 《International journal of geographical information science》2019,33(9):1894-1912
Recently, researchers have introduced deep learning methods such as convolutional neural networks (CNN) to model spatio-temporal data and achieved better results than those with conventional methods. However, these CNN-based models employ a grid map to represent spatial data, which is unsuitable for road-network-based data. To address this problem, we propose a deep spatio-temporal residual neural network for road-network-based data modeling (DSTR-RNet). The proposed model constructs locally-connected neural network layers (LCNR) to model road network topology and integrates residual learning to model the spatio-temporal dependency. We test the DSTR-RNet by predicting the traffic flow of Didi cab service, in an 8-km2 region with 2,616 road segments in Chengdu, China. The results demonstrate that the DSTR-RNet maintains the spatial precision and topology of the road network as well as improves the prediction accuracy. We discuss the prediction errors and compare the prediction results to those of grid-based CNN models. We also explore the sensitivity of the model to its parameters; this will aid the application of this model to network-based data modeling. 相似文献
14.
极光是由带电粒子经磁层—电离层碰撞大气而产生的。面对形态各异、演变过程复杂的极光图像,对其合理分类为进一步探究日地电磁活动和能量耦合等空间物理问题奠定了基础。针对该问题,引入深度学习的方法,通过卷积神经网络模型自主表征极光特征并实现极光图像分类。该方法对2003年北极黄河站越冬观测的38 044幅和8 001幅典型极光图像分类正确率达93.17%和91.5%;自动识别2004—2009年观测数据的极光形态,4类极光时间分布规律与三波段激发谱能量分布基本一致。实验结果表明,基于卷积神经网络的极光表征方法,能有效实现极光图像的自动分类。 相似文献
15.
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
16.
《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
17.
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
18.
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