排序方式: 共有79条查询结果,搜索用时 15 毫秒
1.
基于人工神经网络的农业病虫害预测模型及其效果检验 总被引:25,自引:2,他引:25
选取与病虫害有关的因子作为样本的输入特征,建立了农业病虫害年分类预测的B-P人工神经网络模型。该方法应用于稻瘟病的预测建模结果的拟合率为100%,预留样本检验报率为83%。 相似文献
2.
本文提出Logistic方程参数优化估计的人工神经网络方法,并选取一组标样进行具体尝试。结果表明,用这种方法估计Logistic方程参数效果极好。 相似文献
3.
武陵源风景区生态承载力预警 总被引:3,自引:1,他引:3
随着人类面临的严重环境挑战,可持续发展模式作为全人类共同的选择变得越来越重要。生态承载力作为可持续发展的衡量指标,通过生态承载力水平与生态荷载状况表现出来。可持续承载力预警是以可持续发展为目标进行生态承载力调控。利用主成分分析法、层次分析法构建了武陵源风景区的生态承载力评价指标体系,作为模型的输入层预警指标,并利用状态空间法求算的生态承载指数进行警度区间的划分,通过样本训练、建立BP神经网络模型,进行生态承载预警。从风景区的资源承载、环境承载、生态弹性和生态承压等方面来考虑,析出17个资源类、环境类、社会经济类指标作为评价指标体系。对于武陵源风景区的承载状态,从时间上看,2000年曾出现超载状态,主要是风景区的核心区范围内出现城市化现象所致;从空间上看,协和乡出现超载状态,其主要原因在于资源的开发利用上。基于BP网络模型实现的生态承载力预警,用于预测预报未来的可持续发展的发展状态,可以及时反映可持续状态的调控效果,为区域系统的可持续发展提供科学依据。 相似文献
4.
5.
6.
近年来,我国近海多种重要渔业资源处于不同程度的衰退状态,而短蛸具有生命周期短、生长迅速的特点,在我国近海经济渔获产量中占重要地位。然而,有关短蛸的栖息分布特征及其与环境因子的关系尚缺乏研究,不利于更好地保护和利用其资源。本研究根据2011年和2013—2017年春季海州湾的渔业资源和环境因子调查数据,采用随机森林模型、人工神经网络模型和广义提升回归模型3种机器学习方法分析了短蛸的栖息分布特征及其与环境因子的关系。结果表明: 随机森林模型的拟合效果和预测能力在3种模型中优势较大,选择该模型进行分析表明,底层水温、水深和底层盐度对短蛸的栖息分布有较大影响。短蛸的相对资源密度随底层水温、水深和底层盐度的增加均呈先上升后下降趋势。根据FVCOM模型模拟的环境数据,应用随机森林模型预测了短蛸在海州湾海域的栖息分布,发现短蛸主要分布在34.5°—35.8° N、119.7°—121° E之间的海域。 相似文献
7.
国家公园是我国推进生态文明建设的重大制度创新,如何科学地对国家公园进行类型划分及空间识别,是国家公园布局和建设中的基础性工作,既有必要性也有紧迫性。本研究以中国国情为基础,参考国际经验,将国家公园划分为荒野导向型、生态优先型、游憩导向型与遗产导向型,构建了一个比较完整的国家公园分类体系。并以自然和人文多样化程度较高的云南为案例,以“双评价”为基础建立了一套指标体系和区划规则,利用人工神经网络建立土地利用演化学习算法,利用融入自适应惯性机制的元胞自动机展开时空模拟,对云南全域进行高分辨率不同类型国家公园的空间辨识,并通过收缩-膨胀原理对识别区域进行比较、修正和优化,进而提出未来云南国家公园布局的综合方案。结果表明: 云南省国家公园主要集中在三江地区与横断山区、滇西以及西南部地区,这3类地区可作为未来国家公园区划与分类保护的重点。本研究所建立的国家公园类型划分和空间识别的一般性可推广的研究范式和工作流程可作为全国应用的参考。 相似文献
8.
基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例 总被引:1,自引:0,他引:1
光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5%和87.98%.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性. 相似文献
9.
目前开展的施氮对土壤呼吸影响研究大多基于实验观测结果,受实验地自然条件的限制,不能研究在一定条件范围内土壤呼吸对施氮响应的连续变化。通过喷洒NH_4NO_3水溶液,设置对照(C,no N added),低氮(L,5 gNm~(-2)a~(-1)),中氮(M,15gNm~(-2)a~(-1)),高氮(H,30 gNm~(-2)a~1)4种处理水平,使用GA-BP人工神经网络建立樟树林土壤呼吸对施氮响应的模型,并将模拟结果使用响应曲面法展示,研究土壤呼吸对施氮响应的变化。研究结果表明,施氮对樟树林土壤呼吸既有抑制作用又有促进作用,其程度是由土壤温湿度条件决定的,总体上使得施氮对土壤呼吸在低土壤湿度的条件下主要表现为促进作用,在高土壤湿度条件下主要表现为抑制作用,在一部分土壤温湿度组合下表现为无明显作用。GA-BP人工神经网络模型以其特性,可以模拟土壤呼吸对施氮响应的连续变化,并在一定程度上解释了施氮量、土壤呼吸、土壤温度和土壤湿度之间复杂的数学关系。 相似文献
10.