应用BP神经网络对荒漠啮齿动物种群数量的预测研究

群落的格局与动态是群落生态学研究的核心内容,种群数量预测是研究群落动态的主要途径之一。本研究尝试采用2006~2014年阿拉善荒漠区啮齿动物数量数据建立BP神经网络模型,对啮齿动物群落全部组成物种的总个体数量进行模拟与预测。BP神经网络通过模拟学习,建立模型,能够实现对啮齿动物群落数量动态规律进行模拟与预测。本研究以阿拉善荒漠为试验区,以啮齿动物个体数量为研究对象,采用标志重捕法,监测2006~2014年每年4~10月的数量,建立BP神经网络预测模型,利用2006~2013年的数据建立训练网络,以2014年的数据进行验证与测试,比较单层隐含层、双层隐含层和三层隐含层BP神经网络模型。结果表明:单隐含层模型的隐含层节点数为6时,最大误差百分比为16.13%,决定系数0.998 0(P=0.006 0)。双隐含层模型的两层隐含层节点数均为6时,最大误差百分比为8.58%,决定系数0.999 5(P=0.002 3)。三层隐含层模型的三层隐含层节点数分别为1、10和7时,最大误差百分比为5.87%,决定系数0.999 2(P0.000 1)。不同隐含层网络模型的预测效果均取得了满意效果,通过比较最大误差百分比、平均误差百分比、决定系数及拟合优度,三层隐含层优于单隐含层及双隐含层的BP神经网络模型。本文认为三层隐含层的BP神经网络模型更适合于阿拉善荒漠区啮齿动物群落全部组成物种的总个体数量的预测研究。