共查询到17条相似文献，搜索用时 156 毫秒
1.
[目的]探讨BP神经网络组合模型在次洪量预测中的应用,为黄土高原淤地坝群的安全度汛提供决策依据。[方法]构建基于多元线性回归模型(MLR)和去趋势互相关分析法(DCCA)的BP神经网络组合模型;选择均方差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)以及确定性系数(DC)作为评价指标,与单一模型(多元线性回归模型、BP神经网络模型以及去趋势互相关分析法)进行比较。[结果]BP神经网络组合模型的4项指标MSE,MAE,MAPE和DC分别为2.144,5.453,0.074和0.988,均优于单一模型;模型预测效果从优到劣分别为BP神经网络组合模型、BP神经网络模型、多元线性回归模型和去趋势互相关分析法。[结论]BP神经网络组合模型较单一模型平稳性增强,提高了预测效果,可用于淤地坝群的次暴雨洪量预测。 相似文献
2.
频率直方图与植被指数结合的冬小麦遥感产量估测 总被引：1，自引：1，他引：0
基于机器学习方法建立的作物产量估测模型常因过拟合等问题导致泛化性能偏低,产量估测精度不高。该研究以河南省为研究区,分别对不同波段地表反射率数据采用均值法和频率直方图法构造样本特征集作为输入变量,结合随机森林（Random Forest,RF）算法建立冬小麦遥感估产模型。研究结果表明,频率直方图法预测效果优于均值法,平均绝对误差和均方根误差分别为660和860 kg/hm2,决定系数最高达到0.83,达极显著水平（P<0.01）;7个地表反射率波段中,近红外1波段表现最好;单个合成指数中,归一化水分指数的表现要优于归一化植被指数;波段组合中,归一化植被指数和归一化水分指数的组合验证效果最优,平均绝对误差和均方根误差分别为444和527 kg/hm2,决定系数为0.89,达极显著水平（P<0.01）,其组合预测效果在4月15日至22日时段内表现最佳,该时段对冬小麦产量的影响最大。该研究通过采用基于频率直方图法构建样本特征结合随机森林算法建立冬小麦遥感估产模型,可为县域冬小麦遥感估产提供一种有效的解决方案。 相似文献
3.
连续投影算法在猪肉pH值无损检测中的应用 总被引：4，自引：4，他引：0
利用鲜肉的近红外光谱中少量特征波长对其pH值进行预测,可以大幅度降低模型复杂性和计算量,对开发无损检测装置, 实施肉品生产加工过程中pH值监测有重要意义。该文通过连续投影算法（SPA）选择特征波长建立简单多元线性回归模型（SPA-MLR）,并对比了SPA-MLR模型与全波段（5 000～10 440 cm-1）偏最小二乘回归模型（PLSR）及逐步线性回归（SMLR）、遗传算法（GA）选择特征波长所建模型的性能。结果表明经连续投影算法提取37个特征波长建立的模型,所用变量数仅占全波段的2.6%,校正集相关系数0.870,校正集均方根误差为0.094,验证集相关系数0.892,验证集均方根误差为0.085;性能与经多元散射校正预处理的PLSR模型接近,但采用变量数明显减少,优于逐步线性回归和遗传算法选择特征波长建立的模型,表明该方法可较好的选择特征波长,建立简单的预测模型。 相似文献
4.
试验设置了对照处理（CK）、有机肥（OM）、聚丙烯酰胺+有机肥（PAM+OM）、秸秆覆盖+有机肥（SM+OM）、秸秆深埋+有机肥（BS+OM）和生物菌肥+有机肥（BM+OM）6个处理方式来探讨滨海盐碱地不同改良方式对土壤含盐量、pH、钠吸附比（SAR）和碱化度（ESP）的影响,进而识别影响土壤盐渍化程度的主要因子,并构建多元线性回归模型（Multi-linear Regression, MLR）、BP神经网络模型（BP Artificial Neural Network, BP-ANN）和随机森林模型（Random Forest, RF）对滨海重度盐碱地改良背景下的土壤盐渍化参数进行模拟预测。研究结果表明：各改良措施均能有效的降低表层土壤盐渍化水平,其中SM+OM处理对于土壤含盐量的抑制效果最好,而BM+OM处理则对于土壤碱分的抑制效果最好。改良过程中气象条件和土壤性质均对表层土壤盐渍化水平产生了显著影响。在模型预测中,随机森林模型对土壤含盐量、pH、SAR和ESP的综合预测精度明显优于BP神经网络模型和多元线性回归模型,体现在随机森林模型具有较高决定系数（Coefficient of determination, R2）和纳什系数（Nash-sutcliffe efficiency, NSE）和较低的均方根误差（Root mean square error, RMSE）。 相似文献
5.
食用菌温室温度具有时变、非线性、多耦合特性,准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发,提出一种MA-ARIMA-GASVR组合方法建立温度预测模型,利用移动平均方法将历史温度序列分解成线性序列和残差序列,然后采用移动平均差分自回归模预测线性序列的趋势,再将移动平均差分自回归预测值、历史残差数据、历史温度数据作为支持向量回归模型的输入,并结合遗传算法优化支持向量回归模型参数改善其性能,从而获得更符合实际情况的温度预测值。最后选取实测温度数据作为训练集,对未来2d的温度进行预测验证。结果显示,MA-ARIMA-GASVR组合方法能更好地拟合原始温度数据,间隔1h的均方误差、平均绝对误差和平均绝对百分误差分别为0.18、0.36和1.34,均显示本研究方法预测精度优于支持向量回归、遗传算法优化的支持向量回归单一模型,也优于未经移动平均以及未经遗传算法优化的组合模型;此外,间隔6h的均方误差、平均绝对误差和平均绝对百分误差为0.29、0.52和1.95,说明本研究方法还能满足6 h以内的多步预测,为食用菌生产者预留更多调整时间。 相似文献
6.
为了比较不同来源的畜禽粪便理化性质差异,考察堆肥过程中与腐熟度有关的理化指标变化情况,采集5种畜禽粪便的原料(堆肥原样)和堆肥腐熟后的样品,对其进行性质测定分析;同时,为探索预测堆肥腐熟度的最优模型,选用XGBoost、随机森林、支持向量机(SVM)、多元非线性回归模型对训练集样本堆肥腐熟度进行预测,并利用测试集样本对比分析4种模型的预测精度。结果表明:羊粪、牛粪、猪粪、兔粪、鸡粪原样均为弱碱性,其浸提液中可溶性盐浓度(EC)较高,鸡粪原样总养分(N、P、K)含量最高,猪粪原样中金属元素铜、锌、铁、锰总含量和有机质含量最高;5种粪便原样经过升温腐熟过程后,铜、锌、铁、锰元素含量和发芽率均表现出明显的上升趋势,pH值、EC值和有机质含量呈显著下降趋势;堆肥有机质含量和含水率对堆肥腐熟度影响最大,%IncMSE值分别为14.92%和13.61%;通过构建XGBoost、随机森林、SVM机器学习模型和多元非线性回归模型,经特征选择模型优化后,仅选取含水率和有机质含量作为特征变量,即可准确地预测堆肥腐熟度,模型预测值与实测值间的拟合优度(R2)分别为0.994、0.871、0.908、0.800。其中,XGBoost模型表现出较高的预测性能,均方根误差和平均绝对误差分别为4.690%和4.042%。相比于模型优化前,XGBoost、随机森林、SVM的R2分别升高41.39%、5.83%和36.30%。由于堆肥腐熟前后pH值、含水率、有机质及发芽率变化显著,且与其他性质之间存在较高的相关性,据此选取其作为堆肥腐熟度的评价指标。综合分析结果认为,XGBoost模型对堆肥腐熟度的预测精度最高,特征选择是提高模型预测精度的有效方法。 相似文献
7.
基于介电特性与SPA-SVR算法的水稻含水率检测方法 总被引：2，自引：2，他引：0
为提高基于介电法水稻含水率的检测精度,以北粳3号水稻为研究对象,利用阻抗分析仪及自制同轴圆柱型电容器测量了不同含水率水稻在1 kHz～1 MHz频率下的相对介电常数ε′及介质损耗因数ε"。采用x-y共生距离法划分了72个样本校正集和48个样本预测集。利用无信息变量消除法及连续投影法选取介电参数(ε′、ε"及ε′和ε"两者结合)的特征变量,分别利用所提取的特征变量以及单频、全频下的介电参数来建立预测水稻含水率的多元线性回归及支持向量机回归模型,分析模型的预测性能,并对最佳模型的含水率预测结果进行温度补偿。结果表明:基于ε′与ε"两者结合并利用连续投影法提取特征变量建立的支持向量机回归模型预测效果最佳,其预测集决定系数为0.980,预测均方根误差为0.403%。最佳预测模型对不同品种水稻的含水率预测值与烘干法测得的含水率实测值的绝对误差集中分布在±0.5%内,该研究可为粮食含水率的检测提供参考。 相似文献
8.
土壤水分是农作物和牧草生长的关键因素,也是影响全球气候变化和水循环的重要因子,因此准确监测土壤水分对促进农牧业可持续管理至关重要。基于Landsat 8 OLI多光谱影像,在表面生物物理特性和地形参数的基础上,结合野外实测土壤含水率,采用经验模型法分别构建了反距离加权法（Inverse Distance Weighting,IDW）、多元线性回归（Multivariable Linear Regression,MLR）、随机森林（Random Forest,RF）的土壤含水率反演模型,并采用模型平均法（Granger-Ramanathan,GR）进行组合反演,结果显示,通过模型平均法组合单一模型后在该研究区的土壤含水率反演中表现出了更好的适用性,模型平均法GR对于土壤含水率的估算效果佳,建模集与验证集R2≥0.88,均方根误差均不大于1.42%,且模型性能远优于反距离加权法、多元线性回归和随机森林。 相似文献
9.
近红外光谱变量筛选提高西瓜糖度预测模型精度 总被引：5，自引：2，他引：3
水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测,采用偏最小二乘回归（PLSR）,多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5,115个变量）经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。 相似文献
10.
基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例 总被引：3，自引：2，他引：1
[目的]分析耕地面积变化影响因素的重要性,以便科学预测耕地资源数量,为保护耕地资源服务。[方法]以属于黄土高原地区的甘肃省庆阳市为例,尝试采用随机森林算法构建耕地面积预测模型,与BP神经网络模型的预测结果进行对比,并对耕地面积变化影响因素重要性进行排序。[结果]随机森林算法预测结果的相对误差和均方根误差均小于BP神经网络的,预测精度高,结果稳定。它预测出2020,2025,2030年的耕地面积分别为4.515×10~5,4.513×10~5,4.512×10~5 hm~2,呈现减少的趋势;主要影响因素重要程度排序为:农业机械总动力农业人口地区生产总值固定资产投资额。[结论]随机森林算法适合于耕地面积预测,且能够测度耕地面积变化影响因素的重要程度。 相似文献
11.
无人机高光谱遥感估算冬小麦叶面积指数 总被引：6，自引：6，他引：0
为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算，该研究以拔节期冬小麦小区试验为基础，对原始冠层光谱进行一阶导数和连续统去除光谱变换，并在此基础上提取任意两波段组合的差值光谱指数（Difference Spectral Index，DSI）、比值光谱指数（Ratio Spectral Index，RSI）和归一化光谱指数（Normalized Spectral Index，NDSI），以最优窄波段光谱指数进行叶面积指数估算模型的构建。结果表明，最优窄波段指数的构成波段主要位于红边区域，最优窄波段指数与叶面积指数均呈现非线性关系；光谱变换显著提升了光谱变量与叶面积指数的相关性，其中连续统去除光谱所获取的NDSI（738，822）光谱指数与叶面积指数的相关性最佳；窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高，其相对预测偏差为2.01，验证集的决定系数和均方根误差分别为0.77和0.27。基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图，为后期作物长势、变量施肥等提供理论依据。 相似文献
12.
草地地上生物量（Above-Ground Biomass，AGB）是反映草地植被利用状况的重要参数，其精准监测对于草地科学管理与合理利用具有重要意义。近年来，遥感技术因其能快速、准确获取大尺度草地光谱信息，已经广泛应用于草地地上生物量的估算中。该研究以中国内蒙古呼伦贝尔市与其毗邻的蒙古国东方省草原区为研究区，利用Landsat 8数据计算的9种植被指数、气象数据和地面调查数据，比较分析6种机器学习算法构建的回归模型性能，重新构建优化的随机森林回归模型。结果表明，优化后的随机森林回归模型性能更稳定，预测值与实测值之间决定系数为0.801，均方根误差为43.709 g/m2，相对均方根误差为23.077。研究区域地上生物量呈中部较低，东西两侧较高的空间分布特征，最高可达357.2 g/m2，最低为33.0 g/m2，与该区域降水量与草地利用方式的空间异质性密切相关。该研究表明，基于Landsat 8数据结合气象数据构建的机器学习模型在草地生物量遥感反演中有较大潜力，地上生物量反演结果可以为草地资源合理利用与评价提供参考。 相似文献
13.
空气负离子是衡量一个地区空气清洁度的重要指标,对人体的心理和生理机能的调节发挥着重要作用。随着森林生态旅游的兴起,空气负离子的发生过程及影响机制已成为研究热点。本研究基于华北低丘山地森林植被主要生长季的气象数据和栓皮栎人工林空气负离子浓度观测资料,利用机器学习中随机森林模型从非线性角度全面分析确定影响空气负离子浓度变化的重要环境因子,通过独立样本对构建的随机森林模型进行模拟和检验,确定模型的预测精度,同时筛选出对空气负离子影响程度最大的环境因子。结果表明：随机森林模型在分析环境因子对空气负离子影响方面具有较高的精度以及较好的拟合效果,通过对模型的拟合值与实测值进行验证,均方根误差（RMSE）为59.349,决定系数R2达到了0.887。同时利用独立样本数据对随机森林模型进行十折交叉验证,决定系数R2均达到了0.904以上,且均方误差（RMSE）较小,为24.851。此外,模型筛选出影响空气负离子的主要因素,按重要性排序依次为颗粒物PM2.5（48.037）、饱和水汽压差（46.169）、土壤湿度（43.984）、风速（43.779）、紫外辐射（41.130）、土壤温度（40.107）、总辐射（36.838）、大气压力（34.532）,其中对模型重要性贡献相对较高的3个变量分别为颗粒物PM2.5、饱和水汽压差和风速,它们对空气负离子的影响起决定性作用。因此,随机森林模型适合分析环境因子对空气负离子影响,且拟合效果精度高,稳定性强。 相似文献
14.
奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林（random forest,RF）算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法（genetic algorithm,GA）、差分进化（differential evolution,DE）算法、粒子群优化（particle swarm optimization,PSO）算法、贝叶斯优化（Bayesian optimization,BO）算法对模型超参数进行优化,并与网格搜索（grid search,GS）下的人工神经网络（artificial neural network,ANN）和极限梯度提升机（extreme gradient boosting,XGBoost）模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数（adjusted temperature-humidity index,ATHI）、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614、7.723、14.4%、9.737,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性（relative importance,RI）为0.71,其次是时间区域（RI=0.09）和奶牛产奶量（RI=0.07）。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。 相似文献
15.
[目的]对ECH2O EC-5土壤水分传感器测定科尔沁沙地土壤含水率的可靠性进行验证。[方法]以烘干法测定数据为基准值,采用回归分析方法建立ECH2O EC-5水分传感器测定沙地土壤含水率的校正方程,并用独立的样本进行验证。[结果]ECH2O EC-5水分传感器测定值与烘干法测定值之间具有很好的线性回归关系(R2=0.96),呈显著正相关(p0.01);验证结果显示,ECH2O EC-5土壤水分传感器测定值经回归方程校正后与基准值之间的均方根误差(RMSE)、相对均方根误差(RRMSE)分别为0.38%和6.29%。[结论]ECH2O EC-5土壤水分传感器测定的沙地土壤水分值准确度较高,具有很高的可靠性。 相似文献
16.
[目的]提高北洛河上游径流预报精度,为流域管理及水资源合理配置提供依据。[方法]以1971—2014年北洛河上游吴旗水文站实测径流资料为基础,采用EEMD-SVM耦合模型对吴旗站月径流序列进行了模拟预测,并与EEMD-ARIMA和EEMD-NAR两种耦合模型的预测结果进行对比。[结果]EEMD-SVM模型的平均绝对误差(MAE)和均方根误差(RMSE)最低,决定系数(R2)和纳什系数(NSE)最高。其中,相比于EEMD-ARIMA和EEMD-NAR模型,EEMD-SVM模型的决定系数(R2)分别提高了186.63%,49.49%。[结论]EEMD-SVM模型具有更高的预测精度和更强的非线性拟合能力,可以成功地应用于北洛河上游的月径流预报。同时,研究表明EEMD-NAR模型的预测性能高于EEMD-ARIMA性能。 相似文献
17.
基于环境变量的中国土壤有机碳空间分布特征 总被引：3，自引：0，他引：3
研究中国土壤有机碳(Soil Organic Carbon,SOC)的空间分布特征对SOC储量估算以及农业生产管理具有重要意义。以全国第二次土壤普查2473个土壤典型剖面的表层(A层)SOC含量为研究对象,探寻地形、气候和植被等环境因素对SOC空间异质性分布的影响;以普通克里格法为对照,利用地理加权回归、地理加权回归克里格、多元线性回归和回归克里格模型建立SOC空间预测模型;并分别绘制了中国SOC的空间分布预测图。结果表明:(1)SOC含量与年均降水量、年均温、归一化植被指数、高程以及地形粗糙指数呈极显著相关关系;(2)平均绝对估计误差、均方根误差、平均相对误差和皮尔逊相关系数等模型验证指标表明地理加权回归的预测精度优于其他模型,可以更好地绘制SOC在大尺度上的空间分布特征;(3)较高SOC含量主要分布在研究区东北部、西南部以及东南部,而西北部SOC含量普遍偏低。本文以期从大尺度上探讨土壤属性与环境变量之间的相关关系,为全国土壤属性的空间制图提供一定的解决方案和思路。 相似文献