基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于支持向量机遥感图像融合分类方法研究进展

总结了近年来国际上图像融合以及支持向量机的应用的研究进展,分析了支持向量机用于遥感图像融合分类的趋势、优势以及目前存在的问题,指出了该研究领域的研究方向。     

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系，首先将基于支撑域的单分类器统一到密度估计的框架下；其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致，同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

基于树冠和竞争因子的杉木胸径估测

【目的】无人机遥感的迅速发展为胸径预估提供了新方向,本研究适用于通过无人机遥感技术提取样地单木树冠因子后,估算胸径及林分每公顷断面积等指标,实现精准高效的森林资源监测与管理。【方法】根据福建省将乐国有林场33块杉木人工林地面调查数据,利用10种传统模型与2种机器学习方法分别对单木胸径进行估测,并基于不同的自变量组合形式来分析不同因子对胸径估测的影响。【结果】根据传统模型参数拟合结果可以看出,树冠半径与胸径呈显著正相关,林分密度、偏冠因子及竞争指数与胸径均呈显著负相关。传统模型建模过程中所引入最优竞争指数为树冠重叠内角相关的CI2,模型逻辑斯蒂模型拟合结果最优,幂函数(有截距)模型次之。而在使用检验数据进行估测时,幂函数(有截距)有着最好的估测效果。随机森林模型均具有较好的拟合效果,使用检验数据进行估测,不同竞争指数对模型拟合提升程度不同,与树冠重叠面积相关的竞争指数CI3取得了最好的效果。支持向量回归模型拟合优度小于随机森林,略大于传统模型。对胸径进行估测时,包含与竞争木大小相关的竞争指数CI4的模型为最优模型。【结论】传统模型和机器学习模型在拟合与估测单木胸径上均取得了一定的效果,利...     

基于模糊神经网络的拖拉机耕作牵引阻力预测研究

【目的】针对现有拖拉机耕作能量利用率低、不能根据实际情况合理分配发动机功率的问题.通过研究拖拉机耕作的耕深、速度与牵引阻力之间的复杂关系,并最终对该过程构建牵引阻力预测模型.【方法】基于此提出1种改进模糊神经网络(FNN)的牵引阻力预测方法,以耕作时的耕深、速度和牵引阻力为研究对象,通过基于密度的噪声应用空间聚类(DBSCAN)聚类算法确定FNN的初始结构和模糊规则数,并设计使用最小二乘法与反向传播算法组成的混合学习算法来实现模型的训练.【结果】将优化的模糊神经网络模型与支持向量机(SVM)、随机森林(RandomForest)对比后发现, DBSCAN优化后的FNN平均相对误差为4.36%,比其他2种模型分别低1.68%、2.40%.【结论】利用改进的FNN能够精确的预测出耕作时的牵引阻力大小,为后续的拖拉机能量管理和功率分配的研究提供了基础.     

基于机器学习的落叶松树皮厚度预测

  目的  研究多个机器学习算法在树皮厚度预测中的应用,对比分析不同单木因子对树皮厚度预测的影响,为树皮厚度预测提供新的方法。  方法  以大兴安岭天然林落叶松为研究对象,基于树皮厚度数据,构建4个机器学习算法（神经网络ANN、支持向量回归SVR、决策树CART、随机森林RF）,并将其在预测树皮厚度方面的性能与6个传统树皮厚度模型比较。采用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和赤池信息准则（AIC）来评价不同模型和算法。  结果  （1）在6个基础模型中Model5预测效果较好。基础模型与机器学习模型比较中,除CART4模型,其他机器学习模型拟合精度均好于传统模型Model5;（2）机器学习模型中ANN4和SVR3拟合和预测精度相似,RF4拟合效果最好。（3）RF4的输入变量为胸径（DBH）、树高（H）、相对树高（H_r）。基于训练样本,与Model5相比,随机森林的R2从0.675 2提高到0.723 4,RMSE从0.575 5降低到0.531 0。随机森林检验结果与Model5相比R2从0.666 9调高到0.710 5,RMSE从0.616 9降低到0.544 6。  结论  相对于基础树皮厚度模型,机器学习算法中的随机森林,支持向量回归和人工神经网络都能提高树皮厚度的预测精度,其中随机森林的预测效果最好,适合该区域落叶松树皮厚度的预测。      

基于RapidEye的人工林生物量遥感反演模型性能对比

利用2012年RapidEye高空间分辨率遥感影像并结合野外样方数据,采用多种建模技术进行生物量的反演和制图。先依据RapidEye光谱数据发展出包括NDVI、RVI等多种植被指数、光谱特征图像及纹理特征,再通过相关分析筛选建模所需因变量,采用支持向量机、BP神经网络和随机森林算法建立森林生物量估测模型并进行精度验证。结果表明,基于支持向量机的建模R²为0.687,验证R²为0.641,平均相对误差为0.306;基于BP神经网的建模R²为0.552,验证R²为0.358,平均相对误差为0.525;基于随机森林的建模R²为0.850,验证R²为0.324,平均相对误差为0.468。采用支持向量机算法所制作的空间意义明确的森林生物量分布图,为制定合理的森林经营措施提供有益指导。     

基于无人机可见光和LiDAR数据的单木树种识别

以亚热带林业实验中心年珠实验林场为研究区,以无人机可见光和LiDAR数据为数据源进行树种识别。基于CHM和可见光数据进行单木分割,对可见光数据和LiDAR数据进行特征提取,构建多特征集合;基于单木对象选择随机森林和支持向量机2种分类器进行分类识别,并利用混淆矩阵对不同数据源不同特征组合的12种方案进行精度评价,比较不同特征组合和分类器对树种分类精度的影响。结果表明：将基于CHM分割和多尺度分割结合的单木分割效果较好,满足单木树种识别需求。支持向量机的精度高于随机森林分类器,经过随机森林特征筛选之后精度优于未进行特征筛选的结果,总体平均精度提高1.45%,可见光和LiDAR数据结合较仅使用单一数据源平均精度提高了6.01%。特征筛选能减少维度灾难,有效难避免过多特征造成的冗余现象,进一步提高分类器的性能和效率。相对于随机森林分类器,支持向量机在对于多维的样本集以及训练样本有限的情况下,能够表现出更好的性能。多源数据结合能将不同数据源优势有效结合,提高分类精度。     

结合灰度纹理和支持向量机分类的三江源草地信息提取

以三江源地区地形地貌特征、草场分布较为典型的班玛县为例,以HJ环境星多光谱影像为主要数据,基于支持向量机SVM超平面理论,结合灰度共生矩阵寻找最适宜的分类核函数,选取了三江源地区草地信息提取的最适宜SVM分类模型,并与传统的监督分类方法最大似然法和SVM分类方法进行比较,进行三江源草地分类方法的优化。结果表明,与传统监督分类方法相比,除Sigmoid核函数外,其余结合方法的分类精度均有所提高,其中结合纹理和高斯核函数的SVM分类模型有着较理想的识别效果,精度达到91%,Kappa系数为0.856 0,能为三江源地区草地可持续利用以及生态系统恢复提供基础数据。     

基于人工神经网络的农用地分等研究 Ⅱ.前置数据优化处理

对基于BP 人工神经网络的农用地分等中出现的原始数据标准化和训练样本的类型典型性问题,提出用数据分类标准化和模糊系统聚类分析建立训练样本集的方法解决.实证研究表明,这两种方法结合应用能充分发挥BP ANN分类器的功效,并获得高精度的结果.     

基于寻甸县农用地分等成果的耕地产能评价研究

我国耕地资源的管护正处在由产量安全向能力安全转换的初级阶段,耕地生产能力的监测评价有待于进一步研究完善。以农用地质量动态监测寻甸县试点为例,通过构建农用地分等单元标准粮实际单产与经济等指数的函数关系、标准粮可实现单产与利用等指数的函数关系、标准粮理论单产与自然等指数的函数关系,得到各乡镇监测样点的实际单产、可实现单产、理论单产,并对各乡镇的监测样点进行系统评价,得出监测样点代表的寻甸县耕地产能状况,能够为农用地质量动态监测体系的建设提供一定参考。     

长株潭地区农用地分等定级一体化研究

分析了长株潭地区农用地利用过程中存在的问题及理解了农用地分等定级内涵的基础上,对长株潭城市规划区进行农用地分等定级一体化研究,并对长株潭城市规划区农用地等别、级别的面积、分布特征、等级间相互关系及其形成原因进行了深入的对比分析,以期为科学量化长株潭地区农用地数量、质量及分布,为长株潭地区实施区域耕地占补平衡和基本农田保护提供参考,为科学核算耕地生产力,确定土地整理中的耕地质量标准服务.     

密云县农用地分等成果的分析应用与研究

在分析农用地分等的概念和原理的基础上,结合密云县农用地的实际调查数据,运用“因素法”作为农用地的分等方法,通过计算土地利用系数、自然质量分等指数,对密云县农用地的等别情况进行了划分。并在此基础上,提出了农用地分等在密云县的应用方向以及密云县农用地分等工作中现存的一些问题,最后通过分析所出现的问题,提出了一些具体的解决措施。     

基于农用地分等成果的中低产田划分研究*

 针对目前云南省中低产田尚无统一划分标准的现状,基于农用地分等成果,采用层次累计法,选定利用等作为划分依据,提出了云南省中低产田范围划分的量性标准,即利用等6～16等为高产田;利用等4～5等为中产田;利用等1～3等为低产田。得到了云南省高、中、低产田的总体分布状况,能够为中低产田改造规划和新一轮土地利用总体规划修编等提供一定的科学依据。     

农用地分等定级在土地开发整理中的作用

农用地分等成果现已广泛应用于土地整理中,分析农用地分等成果在项目实施前、项目实施过程中以及项目实施后在土地开发整理项目中所起的作用,充分说明农用地分等成果在土地开发整理中的作用。     

新疆农业产业结构变化与农用地需求的响应分析

农业生产活动离不开土地,农业产业结构与农业用地结构密切相关,两者是内容和形式的关系.然而怎样把两者一一对应起来进行分析研究,一直是一个难点.研究创新地从空间的角度把新疆农业产业部门及产值与用地类型相挂钩,分析了新疆农业产业结构和土地资源利用状况,运用数理统计方法分析了影响新疆产业对土地需求变化的驱动力,并采用定量与定性相结合的方法描述了农林牧渔各产业产值比重和用地比重的变化趋势,对调整新疆农业结构和优化农用地结构具有一定参考价值和指导意义.     

农业网络信息分类体系初探

为了实现对农业信息资源的有效管理、查询、共享和使用,笔者通过分析农业网络信息分类体系现状,针对其中出现的问题,提出构建新的农业网络信息分类法的建议,建立起适合不同农业用户需要的农业科技信息分类体系,以适应网络农业信息和农业事业发展的需要。     

基于改进的SVM算法的耕地地力评价模型研究

为了提高农业管理水平,将计算机智能技术与农业技术相结合,提出基于改进的SVM算法建立标准农田地力等级的评价模型,在评价模型中利用频繁闭集挖掘算法获取特征向量集合,再利用SVM算法建立耕地地力评价模型。仿真结果表明:评价结果符合当地实际情况,并且与传统的评价模型相比,该模型对非线性特征值评价评价中精确度更高。     

Structured AJAX Data Extraction Based on Agricultural Ontology

More web pages are widely applying AJAX (Asynchronous JavaScript XML) due to the rich interactivity and incremental communication.By observing,it is found that the AJAX contents,which could not be seen...