基于SAPSO的灰色神经网络优化城市林研究

发布时间：2021-05-01 02:15

　　为构建合理的城市生态系统,亟待预测适宜的城市林（城市地带性植被）。城市林的预测是一个复杂的非线性问题,其发展有波动性,选择合理的拟合方法可以提高预测精度。以东北地区的城市林为例进行研究,筛选7个影响城市植被类型的因子,以传统的灰色神经网络模型为基础,用粒子群算法初始网络参数,用模拟退火代替粒子群进行梯度修正,建立基于模拟退火算法（SA）和粒子群算法（PSO）的灰色神经网络模型。实验结果表明,改进后的模型预测拟合精度较高,残差均值为0.13,为城市林的预测提供一条新途径。 

【文章来源】：中国农机化学报. 2018,39(08)北大核心

【文章页数】：5 页

【文章目录】：
0 引言
1 灰色神经网络算法原理
2 粒子群算法和模拟退火算法改进灰色神经网络
    2.1 粒子群算法和模拟退火算法的融合
    2.2 基于SAPSO的灰色神经网络算法
3 建立模型
    3.1 主要因素的选取
    3.2 数据标准化
    3.3 模型设置
4 模型验证
5 结论


【参考文献】：
期刊论文
[1]中国东北地区2007—2010年植被覆盖度及其变化[J]. 胡屾,刘骏,毛学刚.  东北林业大学学报. 2017(07)
[2]中国特有种川榛的地理分布格局与气候环境因子的关系分析[J]. 王陆军,赵天田,马庆华,肖正东,王贵禧.  植物资源与环境学报. 2017(01)
[3]基于PSO—BP算法的农业机械数据预测分析研究[J]. 邓涛,黄希光.  中国农机化学报. 2016(04)
[4]1982—2012年中国植被覆盖时空变化特征[J]. 刘宪锋,朱秀芳,潘耀忠,李宜展,赵安周.  生态学报. 2015(16)



本文编号：3169942