為構(gòu)建合理的城市生態(tài)系統(tǒng),亟待預(yù)測適宜的城市林（城市地帶性植被）。城市林的預(yù)測是一個復(fù)雜的非線性問題,其發(fā)展有波動性,選擇合理的擬合方法可以提高預(yù)測精度。以東北地區(qū)的城市林為例進行研究,篩選7個影響城市植被類型的因子,以傳統(tǒng)的灰色神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ),用粒子群算法初始網(wǎng)絡(luò)參數(shù),用模擬退火代替粒子群進行梯度修正,建立基于模擬退火算法（SA）和粒子群算法（PSO）的灰色神經(jīng)網(wǎng)絡(luò)模型。實驗結(jié)果表明,改進后的模型預(yù)測擬合精度較高,殘差均值為0.13,為城市林的預(yù)測提供一條新途徑。 

【文章來源】：中國農(nóng)機化學(xué)報. 2018,39(08)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 灰色神經(jīng)網(wǎng)絡(luò)算法原理
2 粒子群算法和模擬退火算法改進灰色神經(jīng)網(wǎng)絡(luò)
    2.1 粒子群算法和模擬退火算法的融合
    2.2 基于SAPSO的灰色神經(jīng)網(wǎng)絡(luò)算法
3 建立模型
    3.1 主要因素的選取
    3.2 數(shù)據(jù)標準化
    3.3 模型設(shè)置
4 模型驗證
5 結(jié)論


【參考文獻】：
期刊論文
[1]中國東北地區(qū)2007—2010年植被覆蓋度及其變化[J]. 胡屾,劉駿,毛學(xué)剛.  東北林業(yè)大學(xué)學(xué)報. 2017(07)
[2]中國特有種川榛的地理分布格局與氣候環(huán)境因子的關(guān)系分析[J]. 王陸軍,趙天田,馬慶華,肖正東,王貴禧.  植物資源與環(huán)境學(xué)報. 2017(01)
[3]基于PSO—BP算法的農(nóng)業(yè)機械數(shù)據(jù)預(yù)測分析研究[J]. 鄧濤,黃希光.  中國農(nóng)機化學(xué)報. 2016(04)
[4]1982—2012年中國植被覆蓋時空變化特征[J]. 劉憲鋒,朱秀芳,潘耀忠,李宜展,趙安周.  生態(tài)學(xué)報. 2015(16)



本文編號：3169942