基于ALS-DBN的热带果树种植适宜度分析

发布时间：2020-05-12 12:05

【摘要】：近年来随着我国人民生活水平的不断提高,人们对包括火龙果、莲雾和芒果等在内的热带水果需求量也逐步提升,从而使得我们热带水果的产业规模在迅速增长。然而近年频繁发生的极端天气,对热带果树生产造成了较大的损失。因此开展广西区域热带果树种植适宜度研究,对于减少果农和企业的灾害损失,优化广西热带水果产业布局和发展具有重大的意义。经过文献调研发现,目前国内的果树和农作物种植适宜度分析,主要通过数理统计的方法对种植适宜度进行区划。然而影响热带果树种植的相关环境信息复杂且繁多,且传统的数理统计方法存在难以表述复杂信息间的内在特征、自适应能力低下等问题,因此本文对基于深度置信网络的热带果树种植适宜度分析模型进行了研究。通过对深度置信网络(Deep Belief Network,DBN)模型的深入研究发现,在DBN模型训练过程中,若学习步长选择不当,容易导致训练速度缓慢或者梯度振荡等问题。针对该问题本文提出了一种ALS-DBN深度学习模型,ALS-DBN模型在原有的DBN模型中引入自适应学习步长算法(Adaptive Learning Step,ALS)和动量项。同时利用KEEL数据库的数据集和UCI数据库的数据集对ALS-DBN模型进行可靠性验证。实验结果表明ALS-DBN模型在收敛速度和分类准确率上有着良好的表现。最后在PyCharm平台上搭建了基于ALS-DBN的热带果树种植适宜度分析模型,通过实验分析ALS-DBN模型中训练参数对模型的影响,并确定了ALS-DBN模型的最佳神经网络结构。根据分布于广西各市县的50个气象观测站所收集到的4000多条实际气象和地理信息数据,基于已有的研究经验和与相关专家的讨论结果,选取了 12个影响热带果树适宜度分析的环境和气候因素作为关键指标,对基于ALS-DBN的热带果树种植适宜度分析模型进行仿真实验,实验结果表明,ALS-DBN模型在火龙果、莲雾和芒果的种植适宜度分析中拥有良好的表现。
【图文】：

神经网络结构

广西大学硕士学位论文逦基于ＡＬＳ－ＤＢＮ的热带果树种植适宜度分析逡逑（１）深度学习的yL经网络模型一般包含了多个隐藏层，如在ＩｍａｇｅＮｅｔ邋ＬＳＶＲＣ－２０１２逡逑比赛中取得第一名的深度神经网络模型ＡｌｅＸＮｅｔ［１８］就拥有８个隐藏层。逡逑（２）深度学习的主要目的是特征学习。深度神经网络模型从低层到高层是非线性逡逑变化的，把数据从一个特征向量空间转化到另一个特征向量空间，最终获得了复杂数据逡逑的本质特征和抽象表示。逡逑２．１．１深度学习的基本结构逡逑深度学习的神经网络结构由三个部分所组成，其中包含输入层，多层隐藏层和输出逡逑层，是一种多层次的神经网络结构。深度学习神经网络中同一层或者相隔两层神经元之逡逑间相互没有连接，而相邻两层之间神经元实现完全连接，，深度学习的基本神经网络结构逡逑

受限,基本结构,神经网络,隐藏层

图２－２受限玻尔兹曼机基本结构逡逑Ｆｉｇ邋２－２邋Ｂａｓｉｃ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋Ｒｅｓｔｒｉｃｔｅｄ邋Ｂｏｌｔｚｍａｎｎ邋Ｍａｃｈｉｎｅ逡逑由图２－２可知，每层ＲＢＭ神经网络中包含着两层神经元，分别为可见层ｖ和隐藏逡逑层ｈ。可见层ｖ＊ｎ个随机神经元构成：ｖ？），用于可以观测到的数据；隐逡逑藏层ｈ由ｍ个隐藏的随机神经元构成：用于表示由ＲＢＭ神经网络逡逑构建而成的不可观测的数据。其中ａ＝逦ａｎ）表示从可见层映射到隐藏层的偏置逡逑值，ｂ＝逦，…，Ｚｊｍ）表示从隐藏层映射到可见层的偏置值，Ｗ＝逦表不逡逑可见层到隐藏层之间的权重。ＲＢＭ神经网络由可见层ｖ和隐藏层ｈ相互连接而组成，逡逑而每一层中的神经元彼此之间并无连接。由于ＲＢＭ神经网路中层内神经元是相互独立逡逑的，可以通过堆叠多层ＲＢＭ神经网络组成堆叠ＲＢＭ神经网络。堆叠ＲＢＭ神经网络通逡逑过解决多层ＲＢＭ层之间的训练与特征学习的问题，从而避开整个网络模型中关于深度逡逑复杂性的研究［４（）１。堆叠ＲＢＭ神经网络基本结构如图２－３所示：逡逑＜逦……逡逑＂＂＂Ｉ￣￣邋￣￣Ｉ￣￣逦Ｉ逡逑
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S667;TP18;O212

【参考文献】