排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型。利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标。利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比。结果表明:PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。 相似文献
3.
4.
鄱阳湖湿地水位与洲滩淹露模型构建 总被引:5,自引:1,他引:4
水是控制湿地生态过程的一个重要因子,为了研究洲滩变化和湿地草洲生长发育规律,以便更好地监测和保护湿地生态系统,有必要研究鄱阳湖水体变化特征,分析湿地洲滩水位的时空动态变化和洲滩淹露规律。本文以鄱阳湖国家级自然保护区为例,在对鄱阳湖多年水位进行分析的基础上,利用多时相遥感影像和DEM提取湿地洲滩特征;并在GIS支持下综合考虑地形、鄱阳湖水位、湖泊缓冲区等因素,建立了湿地水位及洲滩淹露模型。时空验证结果表明,该模型具有较好的模拟效果,精度在85%以上。同时,本文根据研究区特点及水体在TM2、7波段的特征差异,构建了一个新的水体指数FDWI,提取水体精度达到98%,特别是对潮湿的沙地、植被和云有很好的区分能力。 相似文献
5.
6.
1