本文選題：概率神經(jīng)網(wǎng)絡(luò) + BP神經(jīng)網(wǎng)絡(luò)�。� 參考：《成都理工大學(xué)》2017年碩士論文

【摘要】：水資源可持續(xù)利用評(píng)價(jià)研究可以為未來(lái)水資源合理利用及科學(xué)管理提供可靠依據(jù),同時(shí)對(duì)區(qū)域社會(huì)經(jīng)濟(jì)、生態(tài)環(huán)境及水資源的協(xié)調(diào)發(fā)展也具有重要指導(dǎo)意義。其研究思路通常為,采用一定的方法或模型來(lái)刻畫評(píng)價(jià)指標(biāo)與標(biāo)準(zhǔn)間的復(fù)雜關(guān)系,進(jìn)而實(shí)現(xiàn)水資源可持續(xù)利用能力在時(shí)間與空間上的分類或排序。水資源可持續(xù)利用能力評(píng)價(jià)作為水資源可持續(xù)利用研究的一種主要方式,其評(píng)價(jià)的結(jié)果可劃分為綜合指數(shù)和等級(jí)評(píng)價(jià)兩種形式,等級(jí)評(píng)價(jià)的實(shí)質(zhì)是一個(gè)分類問題,就評(píng)價(jià)結(jié)果而言是將評(píng)價(jià)對(duì)象劃分為不同等級(jí)。而概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN)是一種可以最大限度利用先驗(yàn)知識(shí)來(lái)獲得Bayes準(zhǔn)則下最優(yōu)解,且具有較好模式分類功能的神經(jīng)網(wǎng)絡(luò)模型。PNN在學(xué)習(xí)過程中,通過Parzen窗函數(shù)估計(jì)獲得類的條件概率密度,再利用Bayes定理和基于最小風(fēng)險(xiǎn)的Bayes決策規(guī)則對(duì)樣本做出分類。因此,根據(jù)PNN強(qiáng)大的模式分類功能,將其應(yīng)用到水資源可持續(xù)利用能力評(píng)價(jià)研究中。本文以四川省成都市為研究區(qū),以成都市水資源可持續(xù)利用能力為評(píng)價(jià)目標(biāo)。從可持續(xù)角度出發(fā),首先對(duì)其關(guān)鍵影響因進(jìn)行分析,進(jìn)而初始化了評(píng)價(jià)指標(biāo)體系,并利用相關(guān)分析和粗糙集(Rough Set,RS)理論,篩選了14項(xiàng)具有代表性的指標(biāo),從而確定了最終的指標(biāo)體系。其次,結(jié)合PNN分類原理,構(gòu)建了PNN水資源可持續(xù)利用評(píng)價(jià)模型,并以2013-2015年成都市實(shí)際數(shù)據(jù)為待測(cè)樣本,利用建立的評(píng)價(jià)模型計(jì)算得出評(píng)價(jià)結(jié)果。最后,為了驗(yàn)證PNN評(píng)價(jià)模型的合理性,與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果進(jìn)行對(duì)比分析,從應(yīng)用結(jié)果可以看出,PNN應(yīng)用于水資源可持續(xù)利用能力評(píng)價(jià)中具有一定的可行性和科學(xué)性,而且取得了較好的應(yīng)用效果。
[Abstract]:The evaluation of sustainable utilization of water resources can provide a reliable basis for the rational utilization and scientific management of water resources in the future, and also has an important guiding significance for the coordinated development of regional social economy, ecological environment and water resources. The research idea is usually to use a certain method or model to describe the complex relationship between the evaluation index and the standard, and then to realize the classification or ranking of the water resources sustainable utilization ability in time and space. As one of the main ways to study the sustainable utilization of water resources, the evaluation results of water resources sustainable utilization can be divided into two forms: comprehensive index and grade evaluation. The essence of grade evaluation is a classification problem. As far as the evaluation results are concerned, the evaluation objects are divided into different grades. Probabilistic Neural network (PNN) is a kind of neural network model, which can obtain the optimal solution under Bayes criterion by using priori knowledge to the maximum extent, and has a better function of pattern classification in the process of learning. The conditional probability density of classes is estimated by Parzen window function, and then the samples are classified by Bayes theorem and Bayes decision rule based on minimum risk. Therefore, according to the powerful model classification function of PNN, it is applied to the evaluation of water resources sustainable utilization ability. This paper takes Chengdu, Sichuan Province as the research area, and takes the sustainable utilization of water resources in Chengdu as the evaluation goal. From the point of view of sustainability, this paper first analyzes the key factors, and then initializes the evaluation index system, and selects 14 representative indexes by using correlation analysis and rough set RSs theory. Finally, the final index system is determined. Secondly, according to the principle of PNN classification, the evaluation model of sustainable utilization of PNN water resources is constructed, and the evaluation results are calculated by using the actual data of Chengdu from 2013-2015 as the sample to be tested. Finally, in order to verify the rationality of the PNN evaluation model, compared with the results of the traditional BP neural network model, it can be seen from the application results that the application of PNN in the evaluation of water resources sustainable utilization capacity has certain feasibility and scientific. In addition, good results have been obtained.
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TV213.9;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂平毓;呂睿;;基于改進(jìn)PCA的重慶市水資源可持續(xù)利用評(píng)價(jià)[J];人民長(zhǎng)江;2016年24期

2 趙銳;閔寧;張涵;劉軼捚;;區(qū)域水資源可持續(xù)利用評(píng)價(jià)——以樂山市為例[J];節(jié)水灌溉;2016年12期

3 梁曉龍;李祚泳;汪嘉楊;;基于SVR的指標(biāo)規(guī)范值的水資源可持續(xù)利用評(píng)價(jià)模型[J];水電能源科學(xué);2016年03期

4 王壬;陳興偉;陳瑩;;區(qū)域水資源可持續(xù)利用評(píng)價(jià)方法對(duì)比研究[J];自然資源學(xué)報(bào);2015年11期

5 李俊曉;李朝奎;羅淑華;陳果;;基于AHP-模糊綜合評(píng)價(jià)方法的泉州市水資源可持續(xù)利用評(píng)價(jià)[J];水土保持通報(bào);2015年01期

6 陳午;許新宜;王紅瑞;王崴;;基于改進(jìn)序關(guān)系法的北京市水資源可持續(xù)利用評(píng)價(jià)[J];自然資源學(xué)報(bào);2015年01期

7 雷宏軍;劉鑫;潘紅衛(wèi);徐建新;;基于ARPPC模型的灌區(qū)水資源可持續(xù)利用能力評(píng)價(jià)[J];水力發(fā)電學(xué)報(bào);2014年04期

8 王壬;陳瑩;陳興偉;;區(qū)域水資源可持續(xù)利用評(píng)價(jià)指標(biāo)體系構(gòu)建[J];自然資源學(xué)報(bào);2014年08期

9 石黎;史玉珍;;基于粗集和BP神經(jīng)網(wǎng)絡(luò)的城市水資源可持續(xù)利用評(píng)價(jià)模型[J];水電能源科學(xué);2014年06期

10 徐衛(wèi)紅;于福亮;張雙虎;蔣云鐘;葛德祥;;縣域水資源可持續(xù)利用評(píng)價(jià)研究——以安塞縣為例[J];水力發(fā)電學(xué)報(bào);2014年03期

相關(guān)碩士學(xué)位論文 前7條

1 張瀾覺;基于BP神經(jīng)網(wǎng)絡(luò)的P2P信貸個(gè)人信用評(píng)價(jià)模型研究[D];云南財(cái)經(jīng)大學(xué);2015年

2 何書迪;基于極限學(xué)習(xí)機(jī)與概率神經(jīng)網(wǎng)絡(luò)的接地網(wǎng)故障診斷[D];湖南大學(xué);2014年

3 馬雪倩;黑龍江省水資源可持續(xù)利用評(píng)價(jià)研究[D];東北農(nóng)業(yè)大學(xué);2013年

4 王華;基于粒子群概率神經(jīng)網(wǎng)絡(luò)模型的匯率預(yù)測(cè)方法[D];景德鎮(zhèn)陶瓷學(xué)院;2010年

5 馬運(yùn)勇;概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化研究及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2008年

6 趙佳白;概率神經(jīng)網(wǎng)絡(luò)的改進(jìn)研究及其在股票預(yù)測(cè)上的應(yīng)用[D];暨南大學(xué);2007年

7 蔡曲林;基于概率神經(jīng)網(wǎng)絡(luò)的模式識(shí)別[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

，

本文編號(hào)：1897331