林地资产批量评估 BP 模型研究

在林地资产评估中,将 BP 神经网络与批量评估方法结合,通过对影响林地资产评估价值因子的数据处理,建立林地批量评估 BP 模型,运用贝叶斯方法估计正则化参数,提高 BP 网络模型泛化能力。结果表明,基于贝叶斯正则化的 BP 神经网络模型能够实现批量预估林地资产价值,其评估结果精度可靠,泛化能力很好,可为集体林区林地资产评估提供一种新的思路与方法。     

欠发达县域乡镇基准地价评估方法研究

[目的]探索欠发达县域内乡镇基准地价评估方法,以解决地价样点资料缺乏情况下基准地价评估问题。[方法]文献研究法、实证研究法、描述性研究法、探索性研究法。[结果]在分析土地质量与地价关系的基础上,提出地价质量控制法,对样点缺乏情况下的县域内乡镇基准地价进行评估,并通过实证研究对方法进行验证。[结论]提出的方法科学合理,降低了样点缺乏对乡镇基准地价评估结果的影响,克服了传统基准地价评估方法的不足,该方法简易,便于实际应用,可为我国乡镇基准地价评估的方法体系提供新的思路。     

基于贝叶斯正则化BP神经网络的森林资源资产批量评估研究

将BP神经网络与批量评估方法结合应用于森林资源资产评估中,通过对森林资源资产评估价值主要影响因子进行数据处理,确定不同龄组的BP网络结构,结合TM算法,通过贝叶斯正则化修正BP神经网络的训练性能函数,建立基于BP神经网络的不同龄组森林资源资产批量评估模型。结果表明,贝叶斯正则化BP神经网络能够实现批量预估森林资源资产价值,其评估结果精度可靠,泛化能力很好,可为森林资源资产评估提供一种新的思路与方法。     

基于GIS的BP神经网络洪涝灾害评估模型研究

洪涝灾害损失的大小不仅与洪灾的自然属性有关,还受地形、天气气候、人口、社会经济状况及其分布等因素影响.基于GIS技术及其背景数据,实现GIS空间信息单元格点上淹没水深的模拟和空间社会经济数据的展布,并针对影响洪涝灾害评估的复杂因子对各空间单元格点损失评估的不确定性和复杂性,提出了BP神经网络计算方法,运用matlab神经网络工具箱实现区域洪涝灾害的快速评估,建立了基于GIS的BP神经网络洪涝灾害评估模型.运用此方法,通过少量的样本资料,对鄱阳县洪涝灾害经济损失个例进行评估,评估结果误差为12%.     

水质预测的因素状态网络模型研究

通过对因素神经网络理论的研究,提出了因素状态BP网络;通过将信息扩散原理和落影技术结合,形成信息扩散式落影,并与因素状态BP网络有机结合,解决了知识非完备性的问题以及由于训练样本有矛盾样点而使平凡BP因素网络无法训练出结果的问题.以此建立的水质预测的因素状态人工神经网络模型应用于丹江口水库,获得了令人满意的结果.     

山西省工业用地价格的空间分异及其测算

本研究收集了山西省2009-2014年的工业用地价格信息。采用探索性空间数据分析方法(ESDA)研究山西省工业用地价格的空间分异规律,通过BP神经网络对工业用地价格进行了测算,将结果与同用途所在级别基准地价以及工业用地最低价标准作对比。结果表明:山西省工业用地价格呈现出显著的空间集聚,整体上呈现东高西低,中南部高、北部偏低的趋势。高值聚集在六大盆地以及京昆高速、二广高速、同蒲铁路、G108国道等交通沿线的经济发达且交通便利的区域,而低值多聚集在吕梁山、太行山、太岳山、中条山等经济水平欠发达、对外交通不便的区域。利用BP神经网络对工业用地价格的测算结果与真实值的相关系数为0.744,要高于基准地价的0.560以及最低价标准的0.606,本研究结果更加接近实际价格。研究结论对研究山西省工业用地价格以及制定地价政策具有指导作用。     

Spatial Interpolation of Soil Nutrients Based on BP Neural Network

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用 BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明, BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。 BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

洪灾经济损失快速评估的混合式模糊神经网络模型

针对洪水灾害和洪灾损失评估的特点,采用混合式模糊神经网络数学模型对一典型流域洪灾经济损失进行评估,并且与BP网络评估损失模型进行了比较。虽然混合式模糊神经网络模型在洪水经济损失评估中是初次尝试,但评估结果表明模型从收敛速度和评估精度都取得了较好的效果,为洪水经济损失评估提供了新的方法、新的思路。     

无地价样点或样点数量不足情况下基准地价评估方法研究

[目的]解决在基准地价评估时,解决某一级别范围内无地价样点或地价样点数量不能满足数理统计要求时如何确定基准地价的问题。[方法]通过建立土地级别和已测算级别基准地价之间的数学函数关系,经过对比分析研究,选择合理模型,计算无地价样点或地价样点数量不足土地级别的基准地价。[结果]经研究土地级别和基准地价分布规律的分析得出,级别和基准地价之间呈指数关系并建立相关模型,确定了无地价样点的末级土地级别基准地价,通过实例验证,基本符合当地实际。[结论]应用数学模型计算无地价样点或地价样点数量不足情况下的级别基准地价是一种行之有效的方法。     

基于BP神经网络的土壤养分空间插值(英文)

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明,BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

基于BP神经网络的土壤养分空间插值

以广东省增城市为研究对象,采集全市内200个土壤样点,利用BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根.结果表明,BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应.BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法.     

基于Kriging空间分析法的农用地定级指数模型研究

利用安平县农用地定级评估工作中的定级成果和样点地价数据,采用Kriging空间分析法对农用地定级指数模型进行了研究。结果表明,样点地价在空间上并不是完全随机或完全独立分布的,样点存在多尺度随机误差,利用Kriging空间分析方法构建的样点地价随机误差模型,逐级消除了样点随机误差,揭示了农用地地价的空间分布规律,建立的农用地定级指数地价评估模型为农用地地价评估技术路线提出了一条新的地学方法;以安平县农用地定级估价工作为例,成功构建了定级指数地价模型,丰富了现有农用地估价理论与方法,为空间分析在农用地定级估价中的应用进行了一次初步尝试。     

基于BP神经网络的水稻培矮64S育性转换光温指标研究

根据培矮64S的自交结实率与育性敏感期的温度、光长呈非线性关系的特点,利用Levenberg-Marquardt优化算法改进的四层前馈反向传播网络BP神经网络,研究水稻培矮64S的育性转换光温指标。研究结果表明,改进的BP神经网络训练速度快,评估效果好,模拟准确率高。     

基于BP神经网络技术的土壤水(盐)环境监测

本文根据区域水环境预测中水盐监测与评价的要求,利用内蒙古河套灌区内1个试验区春季水盐网格采样数据,采用BP神经网络技术进行了水盐估计。结果表明:BP神经网络技术可以用于二维区域水盐监测。     

基于GIS的神经网络法在宗地地价评估中的应用

为了对城市宗地地价进行评估,采用RS和GIS技术对宗地估价底图图层等资料进行更新和管理,建立GIS宗地估价信息系统并从中提取相似交易宗地,提出利用人工神经网络、结合特尔菲法建立宗地地价评估指标体系,以宗地地价为评估目标的宗地评估方法。本文在模型建立过程中,以南昌市22个商业用地资料中的18个为学习样本,以5个评估指标为输入,以宗地地价为输出,建立了三层BP人工神经网络,并以其余4个商业用地资料作为验证,取得了较好的模拟效果。有效地解决了一次大批量地价评估的难题,为宗地地价评估提出新的方向。     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法,以广东省土地资源为对象进行了土地资源评价的研究,并与BP网络的评价结果作了比较,结果表明,用概率神经网络进行评价的结果比BP网络的评价结果更加准确,更加切合实际情况,一定程度上避免了人为因素的干扰,提高了土地资源评价的准确性．     

应用集成BP神经网络模型预测土壤有机质空间分布

基于2014年江西省万年县测土配方施肥数据,以地理坐标、高程和坡度以及邻近样点信息作为网络的输入变量,采用集成BP神经网络模型(BPNN-Ada模型)预测土壤有机质的空间分布,并与未集成的BP神经网络模型(BPNN模型)和普通克里金模型(OK模型)进行比较。结果表明,3种模型的预测精度大小顺序为BPNNAda模型BPNN模型OK模型。集成BP神经网络模型预测精度最高,效果最好,比较符合土壤有机质地学分布规律及实际情况。BPNN-Ada模型克服了BP神经网络局部搜索能力差和易陷入全局最优的缺点,提高了BP神经网络的泛化能力。     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

用人工神经网络模拟土体塌陷的可行性分析

探讨了利用人工神经网络预测土体塌陷与土体参数和荷载条件之间关系的可行性。BP神经网络是最常用的神经网络之一,通过网络训练,最终确定了6个变量即输入信息、8个隐层和1个输出层的网络结构。在比较了预测值与试验值后,进一步证实了人工神经网络在评估土体塌陷方面效果明显。     

基于遗传算法神经网络模型的蔬菜价格预报

针对蔬菜市场价格预报的复杂性,利用遗传算法与神经网络的特性,建立了基于遗传算法的神经网络蔬菜价格预报模型,并以香菇为例通过实验对模型参数选择进行了分析,进行了价格的模拟与预报。最后把遗传算法神经网络与BP网络预报结果进行了比较,结果证明,在预报数据绝对误差小于10%的范围内,二者预报能力相当;在预报数据绝对误差小于20%、15%的范围内,遗传算法神经网络模型的准确度高于BP神经网络模型,尤其是预报绝对误差小于20%的范围内,遗传算法神经网络模型的准确度明显好于BP神经网络模型,表现出模型良好的泛化能力。