共查询到19条相似文献，搜索用时 234 毫秒
1.
在林地资产评估中,将 BP 神经网络与批量评估方法结合,通过对影响林地资产评估价值因子的数据处理,建立林地批量评估 BP 模型,运用贝叶斯方法估计正则化参数,提高 BP 网络模型泛化能力。结果表明,基于贝叶斯正则化的 BP 神经网络模型能够实现批量预估林地资产价值,其评估结果精度可靠,泛化能力很好,可为集体林区林地资产评估提供一种新的思路与方法。 相似文献
2.
批量评估具有效率高、费用低且满足大量评估等优点。论文以中龄林为例,将BP神经网络应用于林木资源资产批量评估。通过比较学习算法、隐含层节点数,运用敏感性分析法确定影响因子对评估值的贡献程度,筛选输入层因子,从而优化了林木资源资产批量评估BP神经网络模型结构。结果表明：贝叶斯正则化法优于L-M算法;年龄、利率、蓄积、树种为强影响因子,这4个因子对评估值的贡献度超过60％;最优模型结构为BR 9-10-1,该模型平均绝对误差为32．46元/hm2,平均相对误差为1．28％,决定系数达0．9997,模型拟合精度高,泛化能力强,能够满足中龄林林木资源资产批量评估的要求。 相似文献
3.
森林资源资产价值的综合评估方法 总被引：1，自引：0，他引：1
陈瑶 《东北林业大学学报》2009,37(6)
针对目前森林资源资产价值评估中偏重经济价值的问题,提出了基于森林资源3种效益价值综合评估的方法,并指出森林资源资产综合评估的基本思路.,在结合森林资源资产评估的特点之上,给出了综合评估的评估模型,提出了各效益价值权重确定的方法,构建了森林资源资产各效益评价的方法集,阐明了综合评估方法的工作流程. 相似文献
4.
5.
选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。 相似文献
6.
7.
8.
佟超 《中国农业信息快讯》2013,(9S):177-177
近些年以来,随着《企业会计准则——生物资产》的落实颁布以及森林资源资产产权的频繁变动,评估森林资源资产价值的业务逐渐增多,这便迫切的需要切合森林资源资产特点的一套可行、客观、合理、公正的评估方法、评估标准以及工作程序,以便于更好的满足评估森林资源资产的工作需求。本文针对我国森林资产的评估现状,简要的分析了森林资源资产评估的相关问题,希望有助于森林资源资产管理效率及管理水平的进一步提高。 相似文献
9.
近些年以来,随着《企业会计准则——生物资产》的落实颁布以及森林资源资产产权的频繁变动,评估森林资源资产价值的业务逐渐增多,这便迫切的需要切合森林资源资产特点的一套可行、客观、合理、公正的评估方法、评估标准以及工作程序,以便于更好的满足评估森林资源资产的工作需求。本文针对我国森林资产的评估现状,简要的分析了森林资源资产评估的相关问题,希望有助于森林资源资产管理效率及管理水平的进一步提高。 相似文献
10.
结合森林资源资产的特点,主要对森林资源资产的范围,森林资源资产价格的主要构成要素、森林资源资产评估主要方法进行阐述,为贵州省现阶段林业产权体制改革的资产评估提供参考。 相似文献
11.
以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R2分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R2分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。 相似文献
12.
以中龄林为例,分别建立了基于多元线性回归和BP神经网络的批量评估模型,选取测试样本对这2种模型的有效性进行检验．结果表明,所建立的2种模型对于中龄林评估都适用,但BP神经网络模型较多元线性回归模型的适用范围更广,预测精度更高． 相似文献
13.
14.
针对神经网络输水目标模型输出的不稳定性,提出采用神经网络与证据理论相结合的输水目标(BPDS)模型.采用BP神经网络输出作为基本可信度分配函数,使用D-S理论将信息进行二次融合.并用输水实测数据对模型进行验证,结果表明预测模型具有可行性和实用性,为塔里木河流域水资源的合理利用以及水权目标管理提供了科学依据. 相似文献
15.
用灰色GM(1,1)模型、BP神经网络模型和证据理论相结合而成的灰色证据神经网络模型,对山东枣庄区域地下水位进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出;再用BP神经网络输出作为证据理论基本可信度分配函数,使用D-S理论将信息进行二次融合;并用地下水位实测数据对模型进行验证。结果表明,预测模型具有可行性和实用性,为生态农业规划发展提供了科学依据。 相似文献
16.
利用北京市延庆县不同密度抚育后林分、林缘和农田在2010年4月、7月及10月的季节性小气候监测数据,构建了林缘—农田和林内—农田的立体水热空间的BP定量预测模型和MLR模型,拟达到定量评价林业生态工程生态效益、预测农田小气候进而服务林业生产的目的。结果表明：（1）对于集合小气候环境梯度CMG,林缘—农田的BP模型预测精度整体高于林内—农田的BP模型预测精度;（2）林缘—农田BP模型在整个生长季预测相关性均高于林内—农田的BP模型;林缘—农田的MLR模型仅10月较林内—农田的MLR模型预测有紧密的相关性,而4月和7月却相反。（3）林缘—农田的两种模型的季节预测精度均为7月>10月>4月;林内—农田的BP模型在生长初期中高密度林分Ⅱ的预测精度最高,在生长季中后期高密度林分Ⅰ的预测精度最高;而林内—农田的MLR模型在整个生长季均为中高密度林分Ⅱ的预测精度最高。（4）构建BP模型所需参数少,预测精度高,在样本数据量足够的情况下,有一定的外推能力。 相似文献
17.
在阐述人工神经网络基本原理的基础上,提出了地下水水质评价的BP网络模型。并分别利用BP网络模型与传统的模糊综合评判法对新疆和田地区地下水水质进行了评价,结果表明,BP网络模型不仅计算简便,而且具有较高的计算精度。 相似文献
18.
为了更好地支持森林的可持续经营,探讨了森林健康评价方法.与传统的单一人工神经网络相比,集成神经网络（Modular Neural Networks,MNN）在解决复杂分类问题时更加有效,因此利用MNN作为森林健康评价的具体方法.此外,常被用来训练神经网络的反向传播（Back Propagation,BP）算法存在收敛速度慢且易陷入局部极小值等不足.为了解决这一问题,将具有极强全局寻优能力的人工蜂群（Artificial Bee Colony,ABC）算法与BP算法相结合,形成一种混合ABC-BP算法的改进MNN模型,并将其用作构成MNN的单一神经网络的学习算法.通过试验对比分析,验证了改进MNN模型的有效性. 相似文献