土地复垦适宜性评价方法

以土地复垦适宜性评价研究的发展为主线,着重介绍了5类方法,即:极限条件法、指数和法、模糊综合评价法、可拓法、人工神经网络模型法.通过对不同方法的优缺点进行分析比较,并对土地复垦适宜性评价研究的最新发展趋势进行了预测和展望,为土地复垦工作提供了有效的工具.     

灰色聚类法和人工神经网络在水质综合评价中的比较

探讨了两种水质综合评价方法：改进的灰色聚类法和人工神经网络法。通过采用增加训练样本和黄金分割的隐合层节点优化算法建立了人工神经网络模型,将两种水质综合评价方法进行了比较,结果表明：改进的灰色聚类法计算量较大,主观性较强,评价结果稳定。BP人工神经网络进行水质综合评价具有客观性,但网络训练较为繁琐,通过插值生成训练样本,极大地增强了网络的稳定性。但扩充后的训练样本,不能代表复杂的水质实况,使评价结果受到一定影响。     

鞭角华扁叶蜂滞育幼虫空间数量分布的研究

运用人工神经网络方法和空间趋势面分析方法对鞭角华扁叶蜂滞育幼虫的数量与其所处的空间位置之间的关系进行研究，创建鞭角华扁叶蜂滞育幼虫空间数量分布的BP网络模型和三次趋势面模型，结果表明：建立的BP网络模型模拟不同空间位置的鞭角华扁叶蜂滞育幼虫数量具有较高的拟合精度，当隐层神经元数为12个时，其平均模拟精度为96.90%，预留的20组样本的平均预测精度为92.35%；而三次趋势面模型的平均模拟精度为93.01%，预留的20组样本的平均预测精度为93.24%。     

林木蛋白质结构预测研究综述

该文综述了近年来国内外有关蛋白质结构预测的方法,并阐述了人工神经网络方法在蛋白质结构预测中的应用。借鉴蛋白质结构预测方法,叙述了如何用人工神经网络方法对林木蛋白质结构进行预测及预测过程中可能存在的问题和如何提高预测精度,提出了用相同的人工神经网络方法对林木蛋白质结构进行预测的精度要比蛋白质结构预测精度好并分析其原因。     

森林资源蓄积量预测技术初探

以福建省三明市森林资源二类调查资料为基础数据,采用VB编程语言,自主开发了森林资源蓄积量预测系统,用GM(1,1)模型、复利公式和BP人工神经网络模型分别对森林资源蓄积量进行宏观预测.3种方法的预测结果显示:BP人工神经网络模型拟合效果较好,其次是灰色系统模型,平均相对误差最大的是复利公式.最后分析了3种方法的优劣,探讨进一步优化的方法.     

可变密度蓄积量的BP网络模型

在森林经营过程中,及时掌握森林资源的现状,预测其发展趋势对森林资源的宏观经营决策和管理十分重要。本文根据金沟岭林场的实际情况,采用人工神经网络方法建立了基于人工神经网络的混交林可变密度蓄积量BP网络模型,采用回归方程适应性检验法分别对模型的拟合效果进行适应性检验,检验结果表明所有模型是实用的,不存在系统偏差,表明用人工神经网络的方法对森林资源进行预测是可行的,可以满足林业生产经营的精度要求。     

短轮伐期杉木速生林林分直径分布神经网络模型初探

以短轮伐期杉木速生林标准地调查资料为基础,应用BP神经网络建立林分直径分布预测模型。其结果表明,人工神经网络是一种有效的林分直径分布拟合技术,基于BP神经网络的直径分布预测精度可达84％以上,株数累积频率预测精度则可达94％以上,符合生产经营要求,可为短轮伐期杉木工业原料林经营提供数据参考。     

基于GA-BP神经网络的“雾霾”天气预测研究

指出了随着城镇化进程的快速发展,空气质量问题受到极大关注。大数据背景下,基于人工智能相关技术,对"雾霾"天气进行科学、合理地预测与预警已经成为研究的热点。基于遗传法算法和BP人工神经网络,建立了"雾霾"预测模型,收集了长春市的PM_(2.5)含量数据,通过实例进行了验证,结果表明:该模型相较于传统的BP人工神经网络模型,在预测的准确度上有了较大的提高。为长春市空气质量的预测、预警提供了可行的理论依据。     

基于人工神经网络公路客运质量评价方法研究

通过AHP法对公路客运质量指标体系进行分析 ,并使用BP人工神经网络 ,建立对公路客运质量评价的模型 ,该模型可在一定程度上避免人在评价过程中的主观性 ,能够有效地对公路客运质量进行评价 ,同时该模型具有学习能力 ,对公路客运质量管理与决策活动有重要的支持作用。     

基于人工神经网络的马尾松毛虫发生量预测模型的研究

运用人工神经网络的原理和方法，根据相关系数法和逐步回归法分别选取与马尾松毛虫有虫面积，虫口密度，虫株率相关关系密切的气象因子作为样本的输入特征，分别建立马尾松毛虫有虫面积，虫口密度，虫株率与气象因子的BP网络模型。结果表明，所建立的各BP模型，具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个，预报因子数为8个时，2组预留有虫面积的2a平均预测误差为3.15%，虫口密度BP模型的隐层神经元个数为8个，预报因子数为6个时，预留样本的平均预测误差为5.91%，虫株率BP模型的隐层神经元个数为4个，预报因子数为5个时，预留样本的平均预测误差为10.65%。     

灰色理论和人工神经网络森林资源预测方法的对比研究

以森林资源一类清查数据为基础,采用灰色系统理论、人工神经网络两种方法对山西省森林资源的发展趋势进行了预测,并对两种方法的优缺点进行了对比研究。结果表明：人工神经网络的相对误差低于灰色理论,拟合性高。采用人工神经网络预测森林资源变化是一种较好的方法,且对数据有较好的适应能力;人工神经网络更适合于短期预测,而灰色理论适合于中长期的预测。在进行森林资源预测时,应根据不同目的把两种方法结合使用。     

应用人工神经网络预测马尾松毛虫的有虫面积

运用人工神经网络的原理和方法,选取与马尾松毛虫发生量相关关系密切的8个气象因子作为样本的输入特征,建立马尾松毛虫有虫面积与气象因子的BP网络模型,结果表明:所建立的BP模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为15个,输入因子数为8个时,18组有虫面积的平均拟合精度为100%,相关系数为1.000 0,2组预留有虫面积的平均预测精度为96.85%,预测准确率为100%.     

基于BP神经网络的松材线虫病防控采伐成本分析——以闽侯县为例

松材线虫(Bursaphelenchus xylophilus)引起的病害被称为松树中的"癌症"。通过对其发生区的采伐改造可以有效控制疫情扩散蔓延。常规的基于线性回归的采伐成本预测方法无法体现多个影响因素之间的非线性关系。本文在闽侯县通过实地调查等方法收集了11个采伐样地的采伐成本主要影响因子,并测算出各个采伐样地的实际采伐成本。在此基础上引入BP神经网络,以其中的9个采伐样地数据为样本训练和构建BP神经网络模型、2个采伐样地数据对BP神经网络模型进行预测精度验证。结果表明,采伐成本实际值和模型预测值的误差5%,预测精度较高。因此,采用该BP神经网络模型预测可实现对松材线虫病防控采伐成本的预估,为今后制定科学、经济和有效的松材线虫病防控措施提供参考依据。     

基于人工神经网络预测广东省森林火灾的发生

应用人工神经网络建立热带森林火灾发生情况预测的多层神经网络模型,并将林火发生影响因子的历史数据作为样本值,输入模型进行训练。结果表明:利用所选取的输入因子作为样本的人工神经网络,可以对林火的发生发展作出准确有效的预测。文中还对模型的准确性和训练精度进行讨论,进而分析人工神经网络在林火预测中的可行性,证明人工神经网络在林火预测中的应用价值。     

基于网页的SBE法研究广州城市公园木本花卉景观

通过对广州市公园木本花卉景观的调查和拍摄相关植物景观照片,采用研究自然风景质量评价的心理物理学方法中的评分法——SBE法(Scenic Beauty Estimation Procedures),让公众通过网络的方式,以网页为媒介对木本花卉景观进行评价;通过对评价数据的标准化处理和SAS系统的数据分析,寻找木本花卉景观的最佳配置方式,为该类植物景观的营建提供科学的依据,并探索一条快速、简便而有效的景观评价模式。     

基于BP人工神经网络的冻土融沉系数预测方法研究

为促进人工冻结技术在地下工程地基处理中的推广应用，在综合分析人工冻土融沉系数影响因素的基础上，采用BP人工神经网络方法建立人工冻土融沉系数的预测模型。用南京地区典型土质淤泥质黏土、粉质黏土和粉砂的试验数据作为网络模型的学习训练样本和测试样本，对网络模型的预测结果与实测进行对比。结果表明，用人工神经网络方法预测人工冻土融沉系数，结果准确可靠，更接近于实际，是一种很好的预测人工冻土融沉系数的方法：     

基于主成分分析的BP神经网络在电力系统负荷预测中的应用

电力系统负荷预测是电力生产部门的一项重要工作,通过引入BP神经网络算法建立相应的模型,可以提高电力系统负荷预测的精度。BP网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,文章利用主成分分析方法对原有的输入空间进行重构来改进模型的预测精度。     

马尾松毛虫有虫面积预测模型的研究

运用人工神经网络的原理和方法 ,根据相关系数法选取与台州市 7个县 (市、区 )马尾松毛虫有虫面积相关关系都比较密切的 14个气象因子 ,然后进行主成分分析 ,在此基础上 ,将前 6个主成分的主坐标值作为样本的输入特征 ,建立以 7个县 (市、区 )马尾松毛虫有虫面积为期望输出的BP网络预测模型 ,结果表明 :所建立的BP模型 ,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为 4个时 ,7个县 (市、区 ) 3组预留有虫面积 3a预测结果的卡方检验为 :η=7.2 92 0 相似文献   

基于CEBERS-WFI遥感数据的森林生物量估测方法研究

以中巴卫星CEBERS-WFI遥感数据为基础,结合东北三省的地理、气象因子及森林资源连续清查固定样地信息,构建BP人工神经网络森林生物量估测模型,对我国东北三省的森林生物量进行估测,并反演了森林生物量的空间分布图像。结果表明,基于CEBERS-WFI遥感数据的BP人工神经网络应用于森林生物量估测简单实用,是一种快捷、有效的估测方法。     

林业科研中不同数据缩减方法对群体数据结构的影响

为了研究不同的数据处理方法对方差分析结果的影响,该研究以省沽油6个种源的果实长度为例,研究了直接方差分析法、群体抽样法、分层抽样法、群体抽样求平均法及分层抽样取平均法5种数据处理方法分别对数据结构的影响。研究表明不同的数据处理方法得到排序后求平均值的方法能更好地保留原来群体的数据结构。研究结果可以为林业科学研究的试验设计及数据处理提供参考。