基于粒子群优化BP神经网络的耕地自然质量分计算模型

针对常规农用地分等方法中因子权重计算存在人为因素干扰及BP神经网络模型自身优化过程中易陷入局部极小值的情况,通过粒子群算法的全局搜索能力对BP神经网络进行优化,建立耕地自然质量分计算的粒子群BP神经网络模型(PSO-BP网络模型)。对湖北省荆门市沙洋县进行实证研究,结果证明PSO-BP网络模型能避免常规方法因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。     

基于GIS的农用地分等研究--以福州市仓山区为例

目前农用地分等尚处于研究阶段.本文以福州市仓山区为例,根据农用地分等的依据和原则,利用GIS技术开展农用地质量分等研究,概述了农用地分等技术路线,评价单元的划分,分等参数的计算及成果图的输出等几项关键步骤.     

基于GIS的农用地分等研究——以福州市仓山区为例

目前农用地分等尚处于研究阶段。本文以福州市仓山区为例，根据农用地分等的依据和原则，利用GIS技术开展农用地质量分等研究，概述了农用地分等技术路线，评价单元的划分，分等参数的计算及成果图的输出等几项关键步骤。     

农用地分等的本质及多维思考--以福建省农用地分等为例

本文在回顾我国农用地评价历史的基础上,揭示了当前农用地分等的本质,归纳了农用地分等的技术路线,并结合福建省农用地分等工作的实际,对农用地分等的理论、方法、实践操作和成果运用等方面进行了探讨,以提高农用地分等的科学性,促进农用地管理再上一个新台阶.     

基于农用地分指数的修正法定级研究——以土默特左旗为例

修正法定级是在农用地分等指数的基础上,根据定级目的,选择区位条件、耕作便利度等因素计算修正系数,对分等结果进行修正,评定出农用地级别,是分等结果的细化和深入。     

农用地分等的本质及多维思考——以福建省农用地分等为例

本文在回顾我国农用地评价历史的基础上，揭示了当前农用地分等的本质，归纳了农用地分等的技术路线，并结合福建省农用地分等工作的实际，对农用地分等的理论、方法、实践操作和成果运用等方面进行了探讨，以提高农用地分等的科学性，促进农用地管理再上一个新台阶。     

农用地产能核算的基础与方法研究——以河南省为例

为了探讨农用地产能的概念、核算的基础和方法,采用综合分析的方法,通过研究明确了农用地产能的概念和层次;探讨了农用地产能核算与农用地分等成果的关系,指出农用地分等成果是农用地产能核算的基础,农用地产能核算是农用地分等成果的应用与继续;可以依据农用地自然质量等指数核算农用地理论产能,依据农用地利用等指数核算可实现产能,依据农业统计数据核算实际产能,并进行了实证研究。研究认为:以不同层次的农用地分等成果为基础核算不同层次的产能是可行的。     

基于MODIS影像的农用地自然质量动态快速监测研究

利用遥感技术动态并快速地监测农用地自然质量时空上的变化信息,是当前农用地质量研究的热点问题.以MODIS影像和江苏省农用地分等属性数据为基础,综合应用GIS,RS技术以及统计学原理,以宜兴市为研究区进行遥感影像灰度值与农用地自然质量指数的相关性分析,借助回归分析建立农用地自然质量遥感的MODIS数据模型,并利用该模型对无锡市农用地分等单元进行验证.结果证明,该模型拟合程度较好,利用MODIS数据模型对农用地自然质量时空上的变化信息进行监测是可行的.最后探讨了MODIS影像反演农用地自然质量产生误差的原因,对进一步利用遥感技术进行农用地自然质量动态监测具有一定的启示意义.     

基于能值分析与模糊评价的农用地健康评价方法探讨

农用地是自然生态-社会经济复合系统,其健康状况直接关系着区域经济发展与国家粮食安全(产量与品质)。该研究在农用地分等定级数据的基础上,探讨将能值分析与模糊评价相结合建立综合评价模型评价农用地健康状况的方法,提出了包含质量、产能和土壤环境目标的农用地健康模糊评价体系框架;并基于能值分析理论构建了由能值利用系数和农用地压力系数构成的农用地能值指数评价模型,对农用地健康模糊评价结果进行修正,以期实现农用地健康评价结果的区域间可比,为农用地健康评价提供方法借鉴。     

农用地集约利用潜力评价方法研究

土地集约利用是新一轮土地利用总体规划修编前期研究的重要内容.土地利用潜力评价方法是研究土地集约利用的关键技术.从农用地分等成果入手,用农用地集约利用潜力系数对其集约利用潜力进行评价,界定了农用地集约利用潜力内涵,阐述了农用地集约利用潜力系数的概念,提出了利用产能潜力系数和效益潜力系数计算集约利用潜力系数的方法.利用农用地集约利用潜力系数,对临沂市农用地的集约利用潜力进行了评价分析.     

基于PCA和BP神经网络的径流预测

径流预测为流域水资源的合理开发利用与统筹配置提供依据。运用多元线性回归、主成分回归、BP神经网络及主成分分析和BP神经网络相结合的方法,对新疆呼图壁河流域石门水文站2009-2011年各月径流量进行预测,并采用相关系数、确定性系数及均方根误差对各模型预测精度进行比较。结果表明：（1）神经网络等智能算法具有高速寻优的能力,对短时间尺度的月径流量的预测结果较好;（2）主成分回归等常规算法能充分反映出某地区径流的年际的稳定性,对全年径流总量的模拟精度较高;（3）主成分分析和BP神经网络相结合的方法,提高了神经网络的收敛速度,同时降低了局部极值的影响,优于简单的BP神经网络,适用于呼图壁河月径流量预测。     

基于空间计量经济学的河南高速公路网收费优化分析

现行高速公路网收费建模和优化研究中存在的问题主要为对高速公路网络中的各条线路之间的反馈关系研究不够。对此,把空间计量经济学的思想方法与Hopfield神经网络方法结合起来建立河南高速公路网收费模型,并在此基础上推导出收费最优化条件下轿车流量、客车流量与各线路的空间连接强度之间的平衡关系,从而提出河南高速公路网的优化方案。     

基于LM-BP神经网络的西北地区太阳辐射时空变化研究

定量模拟太阳辐射对认识西北地区气候变化至关重要,但西北地区辐射站点稀少,而气象站点较多,利用众多的气象站点观测值模拟太阳辐射是获得太阳辐射数据很好的方法之一。利用LM (Levenberg-Marquardt) 算法对普通的BP神经网络进行优化（优化后的BP神经网络简称LM-BP神经网络）模拟太阳辐射,通过与传统气候模型模拟的太阳辐射结果对比发现,LM-BP神经网络模型的模拟精度最高,模拟值与实测值的拟合程度明显优于H-S模型和A-P模型。由此利用西北地区159个气象站点的气象数据和LM-BP神经网络模型模拟了1990~2012年这些气象站点的太阳总辐射月总量,将LM-BP神经网络模拟的气象站点的太阳辐射和25个辐射观测站的实测太阳辐射数据相结合,通过空间插值得到了西北地区太阳总辐射的空间分布,并分析了其时空分布及变化特征。研究结果发现西北地区1990~2012年的年均总辐射月总量变化为262~643 βMJ/m²,呈现“中间高,两端低”的空间分布特征。LM-BP神经网络模型的模拟精度高,是一种很有发展前景的辐射模拟方法,可将其应用在无辐射观测地区的太阳辐射模拟中。     

陇中黄土丘陵沟壑区人工草地土壤水蚀预测模型

针对陇中黄土丘陵沟壑区土壤水蚀过程复杂且难以有效预测的问题,以定西市安家沟水土保持试验站2005—2016年1~12月人工草地径流场试验数据为主要来源,将流域月降雨量、月侵蚀性降雨量、月径流量、月降雨强度、径流场面积、径流场坡度、土壤砂粒含量、土壤粘粒含量8个因子作为输入因子,月土壤水蚀量作为输出,运用偏最小二乘法(Partial Least-Squares Regression,PLSR)和长短期记忆(Long Short-Term Memory,LSTM)循环神经网络建立人工草地土壤水蚀预测模型,并利用BP(Back Propagation)、RNN(Recurrent Neural Network)、LSTM常见神经网络模型,对模型的有效性进行评估。结果表明：PLSR将模型8个输入因子减少为4个,从而有效解决LSTM神经网络模型对样本数量要求过高的问题; PLSR和LSTM神经网络模型的结合可以有效提高模型对人工草地土壤水蚀过程的预测精度和收敛速度,预测结果的平均相对误差小于4%,相关系数高于其他3种神经网络模型,而迭代次数、均方根误差和平均绝对误差均低于其他3种模型;研究发现坡度对人工草地土壤水蚀过程影响较为明显,降雨量小于25 mm时,人工草地土壤水蚀量不会随坡度增加而明显增长,但当降雨量超过25 mm时,人工草地土壤水蚀量会随坡度明显增加。 PLSR LSTM神经网络土壤水蚀预测模型可以准确预测陇中黄土丘陵沟壑区人工草地土壤水蚀量,为该地区水土流失的准确预报提供新的思路和方法。     

Executive Committee Meeting,Washington, D.C. January 28–29, 1972

This study compares how humans and neural networks classify climate types. Human subjects were asked to classify climates from monthly temperature and precipitation patterns. To model their learning process, the same data were used to produce input vectors that trained a pattern associator neural network. Both human subjects and the neural network classified climates accurately after 10 rounds of supervised learning. The neural network successfully modeled the rate of human learning and the ability to learn specific climate categories. Moreover, the neural network weights used to classify climates correspond to distinct visual characteristics in temperature and precipitation. These results suggest that neural networks can model the formation of visual categories.     

Comparing Human and Neural Network Learning of Climate Categories

This study compares how humans and neural networks classify climate types. Human subjects were asked to classify climates from monthly temperature and precipitation patterns. To model their learning process, the same data were used to produce input vectors that trained a pattern associator neural network. Both human subjects and the neural network classified climates accurately after 10 rounds of supervised learning. The neural network successfully modeled the rate of human learning and the ability to learn specific climate categories. Moreover, the neural network weights used to classify climates correspond to distinct visual characteristics in temperature and precipitation. These results suggest that neural networks can model the formation of visual categories.     

基于径流分类的流域降雨—径流过程动态神经网络建模

利用聚类分析,将径流序列分为不同类型的子径流序列,对这些子序列建立神经网络模型,采用Elman动态神经网络对沂沭河流域上游临沂子流域日径流量进行预测分析,通过与不加分类的总体神经网络的模拟结果进行对比分析。确定性系数、相关系数、平均相对误差和平均相对均方根误差4个统计指数及流域径流过程线和次洪误差分析结果都表明:Elman动态神经网络能够对日径流量进行较好模拟,但基于径流分类的降雨—径流模型表现出更优良性能,能较大程度提高径流模拟精度。     

基于粗集、遗传神经网络的环境质量评价

基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约，并将归约后的数据作为训练数据提供给BP神经网络；再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构（在得到最优网络结构的同时也得到网络的最优权值和阈值）。通过粗糙集归约，提高了训练数据表达的清晰度，也减小了BP神经网络的规模，同时利用BP神经网络又克服了粗糙集对噪声数据敏感的影响。这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷，实例证明提高了预测精度。     

人工智能计算技术在新疆干旱区典型绿洲土壤盐分预测中的应用

针对新疆渭干河-库车河三角洲绿洲土壤盐分动态监测中存在的方法问题,首先用灰色关联度模型分析影响形成土壤盐渍化的各因子,并确定其与土壤盐分之间的关联度,然后将人工智能计算技术引入土壤盐分的预测中,经过多次调整网络结构和参数,建立了预测表层土壤盐分的BP神经网络模型和RBF神经网络模型。结果表明：以潜在蒸散量、地下水埋深、地下水矿化度、土壤电导率、总溶解固体、pH值、坡度和土地利用类型8个因素为输入因子,以土壤含盐量为输出因子的BP网络模型和RBF网络模型可有效模拟土壤盐分与其影响因子之间的内在复杂关系,并且有较高的精度。BP网络模型预测误差略低于RBF神经网络。本研究可为分析和预测土壤盐渍化动态规律提供一种有效可行的新途径,是对传统土壤盐分动态研究的补充。     

基于新型联想记忆神经网络的非线性系统辨识

Hopfield网络模型具有联想存储器功能,但对系统辨识不适用。具有动态记忆功能的Elman神经网络的泛化能力比较低。该文提出了一种新型联想记忆神经网络结构和学习算法,通过引入联想记忆衰减因子,提高了对非线性系统的辨识能力。通过与Elman动态神经网络辨识方法的仿真比较,说明联想记忆神经网络辨识方法具有很好的动态辨识能力和泛化能力。