以土壤pH為研究對象,利用一般反向傳播（Back propagation,BP）神經(jīng)網(wǎng)絡(luò)模型、帶回溯的彈性反向傳播（Resilient back propagation with backtracking, RPROP-WB）神經(jīng)網(wǎng)絡(luò)模型、不帶回溯的彈性反向傳播（Resilient back propagation without backtracking, RPROP-OB）和最小絕對梯度反向傳播（Smallest absolute gradient resilient back propagation, SAG-RPROP）神經(jīng)網(wǎng)絡(luò)模型進(jìn)行安徽省土壤pH的預(yù)測及制圖,選用均方根誤差（RMSE）、絕對平均誤差（MAE）及決定系數(shù)（R²）為評價標(biāo)準(zhǔn),比較3種改進(jìn)的神經(jīng)網(wǎng)絡(luò)模型與一般BP神經(jīng)網(wǎng)絡(luò)模型對于土壤pH的預(yù)測能力。結(jié)果表明:研究區(qū)域內(nèi),4種神經(jīng)網(wǎng)絡(luò)模型的擬合能力高低依次為:SAG-RPROP>RPROP-WB>RPROP-OB>BP。由建模集可以看出,RPROP-WB、RPROP-OB 2種模型與BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度一致,4種模型中預(yù)... 

【文章來源】：江蘇農(nóng)業(yè)學(xué)報. 2019,35(05)北大核心CSCD

【文章頁數(shù)】：5 頁

【文章目錄】：
1 材料與方法
    1.1 區(qū)域概況
    1.2 數(shù)據(jù)來源
        1.2.1 土壤數(shù)據(jù)
        1.2.2 地形數(shù)據(jù)
        1.2.3 歸一化植被指數(shù)(NDVI)和增強(qiáng)植被指數(shù)(EVI)
        1.2.4 氣候數(shù)據(jù)
    1.3 研究方法
    1.4 模型構(gòu)建與評價
2 結(jié)果與分析
    2.1 安徽省土壤pH統(tǒng)計特征
    2.2 不同模型精度分析
    2.3 安徽省土壤pH空間分布制圖
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]應(yīng)用集成BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測土壤有機(jī)質(zhì)空間分布[J]. 江葉楓,郭熙,葉英聰,孫凱,饒磊.  江蘇農(nóng)業(yè)學(xué)報. 2017(05)
[2]土壤酸堿度與榨菜根腫病的關(guān)系分析[J]. 蔣歡,彭玉梅,董代文,閆玉芳,吳朝軍,王旭祎.  南方農(nóng)業(yè)學(xué)報. 2017(09)
[3]基于GARBF神經(jīng)網(wǎng)絡(luò)的土壤有效鋅空間插值方法研究[J]. 董敏,王昌全,李冰,唐敦義,楊娟,宋薇平.  土壤學(xué)報. 2010(01)
[4]基于RPROP神經(jīng)網(wǎng)絡(luò)算法的旋轉(zhuǎn)機(jī)械故障診斷模型[J]. 楊克儉,梁佳成,王艷秋.  硅谷. 2008(23)
[5]基于近紅外光譜技術(shù)的土壤參數(shù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測[J]. 鄭立華,李民贊,潘孌,孫建英,唐寧.  光譜學(xué)與光譜分析. 2008(05)



本文編號：3378983