基于深度置信网络的农用地基准地价评估模型

该文针对现有基准地价评估模型主观性较强及精度不够等问题,提出了一种基于深度学习思想的农用地基准地价评估方法,构建了样本特征集合与地价标签集合的深层网络结构映射关系,并以广东省普宁市农用地基准地价评估为实例,验证了模型的可行性和有效性。结果如下：1）与神经网络、支持向量机这类浅层学习模型相比,深度置信网络模型其对地价的拟合精度要高出3.61%,3.12%;2）在训练样本只有300时,深度置信网络模型对地价的拟合误差为16.43%,比神经网络、支持向量机模型的拟合精度最少要高出6.76个百分点;3）深度置信网络模型对单个样本的运算时间及内存占用比神经网络、支持向量机模型都要高,但在评估精度都达到95%左右的情况下,深度置信网络模型所需训练样本较少,支持向量机训练时间为193 s,而深度置信网络模型耗时187 s,两者耗时基本持平;4）基于DBN模型对耕地评估单元的地价测算结果,将将普宁市耕地评估单元划分为5级,然后利用面积加权法求取对应的级别基准地价范围为21.34～26.23元/m2。上述试验结果表明该方法在对样本点地价的评估精度上要优于传统的浅层方法,并且该模型计算所得普宁市耕地基准地价与耕地质量在空间分布规律上保持一致。     

基于池塘圈养条件的大口黑鲈生长特征与模型构建

为掌握池塘圈养条件下大口黑鲈养殖周期的生长特征变化规律,测定体质量为（16.3±4.9）~（424.9±27.2） g生长周期内大口黑鲈的体长、全长、吻长、眼径、头长、尾柄长、头高、体高、尾柄高、体宽和体质量生长特征参数,分析其生长特征参数之间的相关性,分别建立基于支持向量回归（SVR）、径向基神经网络（RBF）和随机森林回归（RF）的体质量预测模型,将预测值与实测值拟合确定最佳模型;并运用模型拟合的方法建立各个生长特征参数的最佳生长模型。结果显示：体质量与生长特征参数均呈极显著相关性;基于支持向量回归（SVR）的体质量预测模型预测效果最佳,预测模型的决定系数R²为0.996,均方根误差为9.004,平均绝对误差为6.598;体质量与体长呈幂函数关系W=0.0127×L^3.224,决定系数R²为0.977;全长、体长、吻长和头长的最佳生长模型为Logistic模型,头高、体高、眼径和体宽最佳生长模型为Von Bertalanffy模型,体质量、尾柄长和尾柄高最佳生长模型为Gompertz模型;在养殖周期内大口黑鲈肥满度在2.26%~2.93%波动。以上结果表明,可以利用生长模型和体质量预测模型预测掌握圈养条件下大口黑鲈的生长过程,并通过精准投喂达最佳养殖效果。     

3省违规低保超26万人“救命钱”为何总被“官保保”吃了?

青海省民政厅近日公布称，2014年已清退不合标低保对象近7万人。2014年末，已有青海、海南、内蒙古3个省份通报2014年清退不合标低保对象超过26万人。