【摘要】：近年來隨著我國人民生活水平的不斷提高,人們對包括火龍果、蓮霧和芒果等在內(nèi)的熱帶水果需求量也逐步提升,從而使得我們熱帶水果的產(chǎn)業(yè)規(guī)模在迅速增長。然而近年頻繁發(fā)生的極端天氣,對熱帶果樹生產(chǎn)造成了較大的損失。因此開展廣西區(qū)域熱帶果樹種植適宜度研究,對于減少果農(nóng)和企業(yè)的災(zāi)害損失,優(yōu)化廣西熱帶水果產(chǎn)業(yè)布局和發(fā)展具有重大的意義。經(jīng)過文獻調(diào)研發(fā)現(xiàn),目前國內(nèi)的果樹和農(nóng)作物種植適宜度分析,主要通過數(shù)理統(tǒng)計的方法對種植適宜度進行區(qū)劃。然而影響熱帶果樹種植的相關(guān)環(huán)境信息復(fù)雜且繁多,且傳統(tǒng)的數(shù)理統(tǒng)計方法存在難以表述復(fù)雜信息間的內(nèi)在特征、自適應(yīng)能力低下等問題,因此本文對基于深度置信網(wǎng)絡(luò)的熱帶果樹種植適宜度分析模型進行了研究。通過對深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)模型的深入研究發(fā)現(xiàn),在DBN模型訓練過程中,若學習步長選擇不當,容易導致訓練速度緩慢或者梯度振蕩等問題。針對該問題本文提出了一種ALS-DBN深度學習模型,ALS-DBN模型在原有的DBN模型中引入自適應(yīng)學習步長算法(Adaptive Learning Step,ALS)和動量項。同時利用KEEL數(shù)據(jù)庫的數(shù)據(jù)集和UCI數(shù)據(jù)庫的數(shù)據(jù)集對ALS-DBN模型進行可靠性驗證。實驗結(jié)果表明ALS-DBN模型在收斂速度和分類準確率上有著良好的表現(xiàn)。最后在PyCharm平臺上搭建了基于ALS-DBN的熱帶果樹種植適宜度分析模型,通過實驗分析ALS-DBN模型中訓練參數(shù)對模型的影響,并確定了ALS-DBN模型的最佳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。根據(jù)分布于廣西各市縣的50個氣象觀測站所收集到的4000多條實際氣象和地理信息數(shù)據(jù),基于已有的研究經(jīng)驗和與相關(guān)專家的討論結(jié)果,選取了 12個影響熱帶果樹適宜度分析的環(huán)境和氣候因素作為關(guān)鍵指標,對基于ALS-DBN的熱帶果樹種植適宜度分析模型進行仿真實驗,實驗結(jié)果表明,ALS-DBN模型在火龍果、蓮霧和芒果的種植適宜度分析中擁有良好的表現(xiàn)。
【圖文】：

廣西大學碩士學位論文邐基于ＡＬＳ－ＤＢＮ的熱帶果樹種植適宜度分析逡逑（１）深度學習的yL經(jīng)網(wǎng)絡(luò)模型一般包含了多個隱藏層，如在ＩｍａｇｅＮｅｔ邋ＬＳＶＲＣ－２０１２逡逑比賽中取得第一名的深度神經(jīng)網(wǎng)絡(luò)模型ＡｌｅＸＮｅｔ［１８］就擁有８個隱藏層。逡逑（２）深度學習的主要目的是特征學習。深度神經(jīng)網(wǎng)絡(luò)模型從低層到高層是非線性逡逑變化的，把數(shù)據(jù)從一個特征向量空間轉(zhuǎn)化到另一個特征向量空間，最終獲得了復(fù)雜數(shù)據(jù)逡逑的本質(zhì)特征和抽象表示。逡逑２．１．１深度學習的基本結(jié)構(gòu)逡逑深度學習的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由三個部分所組成，其中包含輸入層，多層隱藏層和輸出逡逑層，是一種多層次的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。深度學習神經(jīng)網(wǎng)絡(luò)中同一層或者相隔兩層神經(jīng)元之逡逑間相互沒有連接，而相鄰兩層之間神經(jīng)元實現(xiàn)完全連接，，深度學習的基本神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)逡逑

圖２－２受限玻爾茲曼機基本結(jié)構(gòu)逡逑Ｆｉｇ邋２－２邋Ｂａｓｉｃ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋Ｒｅｓｔｒｉｃｔｅｄ邋Ｂｏｌｔｚｍａｎｎ邋Ｍａｃｈｉｎｅ逡逑由圖２－２可知，每層ＲＢＭ神經(jīng)網(wǎng)絡(luò)中包含著兩層神經(jīng)元，分別為可見層ｖ和隱藏逡逑層ｈ。可見層ｖ＊ｎ個隨機神經(jīng)元構(gòu)成：ｖ？），用于可以觀測到的數(shù)據(jù)；隱逡逑藏層ｈ由ｍ個隱藏的隨機神經(jīng)元構(gòu)成：用于表示由ＲＢＭ神經(jīng)網(wǎng)絡(luò)逡逑構(gòu)建而成的不可觀測的數(shù)據(jù)。其中ａ＝邐ａｎ）表示從可見層映射到隱藏層的偏置逡逑值，ｂ＝邐，…，Ｚｊｍ）表示從隱藏層映射到可見層的偏置值，Ｗ＝邐表不逡逑可見層到隱藏層之間的權(quán)重。ＲＢＭ神經(jīng)網(wǎng)絡(luò)由可見層ｖ和隱藏層ｈ相互連接而組成，逡逑而每一層中的神經(jīng)元彼此之間并無連接。由于ＲＢＭ神經(jīng)網(wǎng)路中層內(nèi)神經(jīng)元是相互獨立逡逑的，可以通過堆疊多層ＲＢＭ神經(jīng)網(wǎng)絡(luò)組成堆疊ＲＢＭ神經(jīng)網(wǎng)絡(luò)。堆疊ＲＢＭ神經(jīng)網(wǎng)絡(luò)通逡逑過解決多層ＲＢＭ層之間的訓練與特征學習的問題，從而避開整個網(wǎng)絡(luò)模型中關(guān)于深度逡逑復(fù)雜性的研究［４（）１。堆疊ＲＢＭ神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)如圖２－３所示：逡逑＜邐……逡逑＂＂＂Ｉ￣￣邋￣￣Ｉ￣￣邐Ｉ逡逑
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S667;TP18;O212

【參考文獻】

相關(guān)期刊論文 前9條

1 潘志剛;劉三明;李瑩;朱曉偉;楊陽;;基于深度學習網(wǎng)絡(luò)的風電場功率短期預(yù)測研究[J];科技與創(chuàng)新;2015年19期

2 張安勝;王愛平;;基于深度學習的蛋白質(zhì)二級結(jié)構(gòu)預(yù)測[J];計算機仿真;2015年01期

3 吳剛;陳海平;譚樂和;;中國特色熱帶果樹產(chǎn)業(yè)現(xiàn)狀及發(fā)展對策[J];熱帶農(nóng)業(yè)科學;2014年12期

4 曾宇懷;鐘凱文;王小輝;羅偉中;林秋冬;陳鴻毅;;基于GIS的興寧市油茶種植適宜性評價[J];熱帶地理;2014年01期

5 鄭小琴;楊凱;;福建省長泰縣熱帶果樹冬季低溫凍害分析及氣候區(qū)劃[J];農(nóng)業(yè)災(zāi)害研究;2014年01期

6 余凱;賈磊;陳雨強;徐偉;;深度學習的昨天、今天和明天[J];計算機研究與發(fā)展;2013年09期

7 譚宗琨;劉世業(yè);唐志鵬;鄒瑜;包輝昌;;香蕉寒凍害等級指標及災(zāi)損指標的初步研究[J];自然災(zāi)害學報;2013年04期

8 陳惠;王加義;潘衛(wèi)華;林晶;徐宗煥;楊凱;李麗純;;南亞熱帶主要果樹凍(寒)害低溫指標的確定[J];中國農(nóng)業(yè)氣象;2012年01期

9 王旭;向青云;譚偉;蔡永強;范建新;鄧仁菊;;基于RS與GIS的貴州省火龍果種植氣候區(qū)劃[J];貴州農(nóng)業(yè)科學;2011年03期

相關(guān)博士學位論文 前1條

1 盧慕超;基于深度置信網(wǎng)絡(luò)的商業(yè)銀行信用風險預(yù)測實證研究[D];太原理工大學;2017年

相關(guān)碩士學位論文 前2條

1 朱宏吉;基于深度信念網(wǎng)絡(luò)的車牌字符識別算法研究與實現(xiàn)[D];浙江大學;2015年

2 高龍;基于GIS的廣西火龍果種植氣候區(qū)劃研究[D];廣西大學;2014年

本文編號：2660194