首页 | 本学科首页   官方微博 | 高级检索  
   检索      

应用BP神经网络对荒漠啮齿动物种群数量的预测研究
引用本文:卢志宏,武晓东,柴享贤,杨素文,李燕妮,叶丽娜.应用BP神经网络对荒漠啮齿动物种群数量的预测研究[J].动物学杂志,2017,52(2):227-234.
作者姓名:卢志宏  武晓东  柴享贤  杨素文  李燕妮  叶丽娜
作者单位:内蒙古农业大学生态环境学院,内蒙古农业大学生态环境学院,内蒙古农业大学生态环境学院,内蒙古农业大学生态环境学院,内蒙古农业大学生态环境学院,内蒙古农业大学生态环境学院
基金项目:国家自然科学基金项目(面上项目,重点项目,重大项目)
摘    要: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(P< 0.000 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.

关 键 词:BP人工神经网络  啮齿动物  标志重捕法
收稿时间:2016/2/14 0:00:00
修稿时间:2017/2/23 0:00:00

Prediction of the Population of Rodent Community Based on BP Neural Network in Alasan Desert
luzhihong,wuxiaodong,chaixiangxian@.com,yangsuwen,liyanni and yelina.Prediction of the Population of Rodent Community Based on BP Neural Network in Alasan Desert[J].Chinese Journal of Zoology,2017,52(2):227-234.
Authors:luzhihong  wuxiaodong  chaixiangxian@com  yangsuwen  liyanni and yelina
Institution:College of Ecology and Environmental Science of Inner Mongolia Agricultural University,College of Ecology and Environmental Science of Inner Mongolia Agricultural University,College of Ecology and Environmental Science of Inner Mongolia Agricultural University,College of Ecology and Environmental Science of Inner Mongolia Agricultural University
Abstract:
Keywords:BP Neural Network    rodent    mark recapture method
本文献已被 万方数据 等数据库收录!
点击此处可从《动物学杂志》浏览原始摘要信息
点击此处可从《动物学杂志》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号