基于SPSS的PCA-RBF神经网络模型的仿真试验

以SPSS软件为试验平台,根据PCA-RBF神经网络理论,结合SPSS软件的主成分分析模块和神经网络模块,运用人工近红外谱模拟数据估计葡萄糖浓度,实现PCA-RBF神经网络模型的仿真试验。相比与Matlab、C/C++等软件,该方法免去了繁琐的编程,为工程应用提供了一个简单快捷的试验途径。试验结果表明,利用SPSS软件实现PCA-RBF神经网络预测取得了非常满意的结果。     

基于PCA-RBF神经网络模型的果蔬冷链物流需求预测

为了提高果蔬冷链物流需求预测的准确性,在分析果蔬冷链物流需求的影响因素后,应用PCA提取影响果蔬冷链物流需求的主要因子,将主要因子输入PCA-RBF神经网络模型进行模拟计算。研究结果表明:与RBF神经模型比较,PCA-RBF神经网络模型具有网络结构更为简单、需求预测精度更高的优点。     

基于灰色-BP神经网络的重庆市城镇建设用地规模预测

以2000～2009年重庆市城镇建设用地规模为数据源,采用灰色-BP神经网络模型对城镇建设用地规模进行预测,结果表明模型的平均误差只有0.81%,精度远高于灰色预测模型,充分说明灰色-BP神经网络模型对城镇建设用地规模的预测具有较高的拟合度及可行性。     

基于神经网络分析的北京城镇农产品冷链物流需求预测

为了预测由居民消费所引起的农产品冷链物流需求,从农产品供给、社会经济、冷链发展、人文发展、物流需求规模5个角度构建影响指标体系,利用BP神经网络和RBF神经网络在需求预测中的优势,建立基于主成分分析和神经网络组合模型的需求预测模型,并以北京为例,对两种模型的预测结果进行对比分析。结果表明:通过灰色关联度分析各个影响指标,发现北京市城镇人口数量、第一产业增加值、第三产业占GDP比重等因素对农产品冷链物流需求量的影响最大;预测到2020年北京城镇居民农产品冷链物流需求将达到642.27万t;所建立的模型对冷链物流需求及其影响因素的非线性关系方面有较高的精度和应用价值,能够为农产品冷链物流规划者及政府提供定量决策依据。     

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。     

基于信息熵的成都市建设用地演变及其人文驱动力分析

运用信息熵和均衡度方法,描述和揭示了1999²011年成都市建设用地结构的演变特征及规律,并采用主成分分析法对成都市建设用地演变的人文驱动力进行定量分析。分析结果表明:研究期内,成都市建设用地总量增长迅速,建设用地经济效益不断提高;成都市建设用地结构信息熵与均衡度经历了变化平稳、迅速下降和逐年回升三个阶段,同产业结构的优化调整过程相契合;人口增长、经济发展和产业结构是促使成都市建设用地总量增长和结构演化的核心人文驱动力。     

城市建设用地需求预测 ——以长沙市为例

以长沙市2000—2015年土地利用变更数据为基础,引入双因素理论预测模型对长沙市建设用地需求量进行预测。以灰色系统理论为基础,利用长沙市2010—2016年固定资产投资统计数据建立灰色序列GM(1,1)模型。结果表明:到2020年末,长沙市城区建设用地需求预测值为2080.49km2,预测结果符合长沙市经济社会发展趋势,具有可行性。     

贵州省仁怀市城乡建设用地需求预测

为了给喀斯特地区工业化城镇化下的土地资源优化配置机制与高效利用、区域经济与生态环境可持续协调发展提供科学依据,贵州省仁怀市土地利用现状图及属性数据,通过对建设用地驱动力因子的定量筛选,依据多元回归方法对各类建设用地的需求进行预测.结果表明:仁怀市建设用地需求呈逐年增长趋势,用地量呈不断上升的趋势,而建设用地实际需求与控制指标之间的矛盾日益加剧,未能满足仁怀市社会经济发展对土地的需求.因此,合理的建设用地需求预测,能优化土地利用模式,集约节约利用土地,有效提高土地利用效率,促进仁怀市城市化、工业化及区域社会经济的协调发展.     

基于神经网络和灰色系统的兰州市区住宅用地需求预测

结合神经网络模型和灰色预测模型,以兰州市为研究对象,通过1998-2007年的数据预测了2010-2015年的兰州市住宅用地的需求量,结果表明:2015年兰州市区的住宅用地下限为2887.048万m2,上限为3432.962万m2,比2010年的住宅用地将上涨11%.     

基于径向基神经网络的大坝变形监控模型

变形监控是了解大坝工作状态、实施安全管理的重要内容之一。采用径向基神经网络构建大坝变形监控模型,能够更好地解决有实时性要求的在线分析问题,其预报效果和精度远远高于传统的逐步回归统计模型。虽然在预报精度上略逊于BP神经网络,但从建模容易程度、训练速度和预报精度等方面综合考虑,则远远好于BP神经网络。     

基于SPSS软件的山东省粮食产量预测模型分析

本文收集2000—2017年山东省粮食总产量、粮食种植面积、农业机械总动力、农业化肥施用量、有效灌溉面积和受灾面积等有关数据,首先运用SPSS软件对影响山东省粮食总产量的各个因素进行回归分析,建立粮食总产量与这些因素之间的多元线性回归模型.其次,利用回归模型对2000—2017年山东省粮食总产量进行检验,预测精度在94...     

1980—2018年成都市建设用地扩张时空演变及驱动力分析

基于土地利用栅格数据,借助建设用地扩张强度和速度指数、等扇形分析法、土地利用转移矩阵和PLUS模型等方法,探究了成都市1980—2018年城市建设用地扩张的变化特征以及驱动力。结果表明： 1980—2018年成都市建设用地面积持续增加,38年间共增加1.38 × 10⁴ hm²,主要来源于耕地面积的减少。建设用地扩张方向性明显,呈现出向东南方倾斜的态势,且东部和南部地区在持续扩张。扩张强度呈从城市中心向外围区县地区逐渐减小的趋势,中心的主城区扩张强度最高;扩张速度最快的区域集中在东部和南部的双流、武侯和简阳等地,位于西侧的蒲江、邛崃和崇州等地扩张速度最慢。GDP、距政府驻地远近等社会经济因子和高程、年均温、水域等自然因子是影响城市建设用地扩张的主要驱动力因子,在水域、高程、年均温等自然因子的影响下,在GDP、距政府驻地远近及交通条件等社会经济因素的推动下,成都市建设用地面积不断扩张且方向性显著。     

基于物元模型的村镇建设用地综合适宜性评价

从自然、经济、空间布局、生态4个角度构建了村镇建设用地综合适宜性评价指标体系,尝试将物元模型运用到村镇建设用地适宜性评价中,以湖北省大冶市为例进行实证论证,在评价结果的基础上采用spearman秩相关分析其与区域综合发展状态间的耦合关系。结果表明,大冶市建设用地现状存在差异性,高适宜、中适宜、低适宜、不适宜比例分别为:31%、25%、13%、6%、25%,评价结果与大冶市城镇化水平、农村现代化水平呈极显著正相关,与村镇发展水平、工业现代化水平呈较相关,基本符合大冶市建设用地利用特征。相比传统的加权求和方法,物元模型可以更详尽地描述单指标的分异性,在村镇建设用地适宜性评价上具备精确、客观等优势,将有效提升村镇空间评价的准确性,为村镇建设用地集约节约利用与规划提供科学依据。     

基于PCA-RBF神经网络的森林碳储量遥感反演模型研究

针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。     

基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

基于辅助变量和回归径向基函数神经网络(R-RBFNN)的土壤有机质空间分布模拟

为快速准确地获取土壤有机质的空间分布状况,以江西省万年县齐埠镇为例,运用四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息,构建基于环境因子和邻近信息的回归克里金法(RK)和回归径向基函数神经网络法(R-RBFNN),对齐埠镇耕地表层(0~20 cm)土壤有机质空间分布进行模拟,并与普通克里金法(OK)相比较。结果显示:齐埠镇耕地表层土壤有机质含量在17.30~53.58 g·kg^-1,平均值为35.03 g·kg^-1,变异系数为23.61%,呈中等变异性。半变异函数分析显示,土壤有机质的块金效应值为0.59,表现为中等空间相关性,自相关范围较大。利用62个采样点进行建模、16个采样点进行独立验证,误差分析表明,应用环境因子和邻近信息作为辅助变量的RK和R-RBFNN预测结果的均方根误差、平均绝对误差、平均相对误均差较OK降低,测试集中的相对提高度分别为66.67%和71.79%,显示出较高精度。但R-RBFNN无须计算半方差函数,使用简单,因此更具优势。     

基于灰色系统的杨凌建设用地预测

建设用地是城市发展的重要因素,尤其是建设用地的数量对城市整体经济提升有着不可替代的作用。本文以杨凌建设用地面临的问题出发,运用灰色预测系统,预测2015与2020年建设用地的合理规模,结果表明到2015年与2020年合理规模分别为4 040.1 hm2、4 930.98 hm2。     

SPSS预测功能对农业生产及农产品推广的帮助

论文对SPSS软件的分析预测功能进行了归纳和对比分析,并利用实例阐述了该功能对农业发展、农产品的推广等方面的巨大推动作用。本论文分为三个部分,第一部分阐述了SPSS进行分析预测的方法及其特点,并针对它们的预测能力进行了分析比较;第二部分分析了农业生产及农产品的推广容易受到天气、政策等因素的影响,导致每年的状况起伏较大,对农业的发展和农产品的推广产生很多影响;第三部分结合实例分析了SPSS软件的功能对农业生产和农产品推广的帮助。     

水文预测中的神经网络模型实用对比分析

本文尝试用BP网络、L－M网络和RBF网络进行水文预测，并将这三种网络的计算结果进行了比较分析。结果表明，L－M网和RBF网络对水文预测比BP网络更准确，收敛速度更快。本文的研究为使用者选择合适的高性能的网络结构提供了参考。     

建设用地集约节约用地的主成分分析——以宁波市为例

探讨了主成分分析法在建设用地集约节约利用方面的应用。以宁波市为例,对2011年的宁波市11个县(市)区建设用地利用现状进行了分析,并利用ArcGIS进行了空间可视化分析。结果表明,宁波中心城区建设用地集约节约利用程度较高,并分析了其原因。