机器学习方法在陆地生态系统碳水通量模拟中的应用研究

发布时间：2023-08-30 02:46

　　陆地生态系统碳水循环的研究是当前全球变化研究领域的核心问题,这些研究有助于预测将来的气候变化趋势以及评估陆地生态系统碳水循环对全球变化的响应与反馈,从而为寻求生态系统的有效管理和调控方法提供可靠的科学依据。观测和模拟是两种常用的估计全球碳水循环格局和变率、理解碳水循环的关键过程及其控制机制的研究手段。随着对陆地生态系统与大气间碳水通量长期的、连续的微气象观测数据的大量累积,如何合理地解释海量的通量观测数据和深度挖掘出观测数据中有用的知识,形成有效的基于通量观测网络数据的碳水通量模拟方法,是一个亟待解决的科学问题。因此,本文基于全球通量观测网络数据,利用机器学习技术对陆地生态系统的碳水通量进行模拟,并分别利用智能优化算法和数据预处理技术对这些机器学习方法进行改进。论文主要研究成果可概括为以下几个方面:(1)新提出的机器学习方法,包括广义回归神经网络(Generalized regression neural network,GRNN),极限学习机(Extreme learning machine,ELM),自适应神经模糊推理系统(Adaptive neuro-fuzzy inferenc...

【文章页数】：145 页

【学位级别】：博士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状及存在的问题
    1.3 研究内容、方法及技术路线
    1.4 论文组织结构
2 研究数据与方法
    2.1 研究数据
    2.2 机器学习方法
    2.3 模型形成
    2.4 模型性能评价
    2.5 本章小结
3 基于机器学习方法的陆地生态系统碳水通量模拟研究
    3.1 材料与方法
    3.2 新方法的适用性评价
    3.3 本章小结
4 机器学习方法的内部函数评价及其在长期的碳水通量模拟中的应用
    4.1 数据准备与评价的函数
    4.2 内部函数在模型长期碳水通量上的评价
    4.3 本章小结
5 智能优化算法在陆地生态系统碳水通量模拟中的应用
    5.1 研究站点介绍
    5.2 遗传算法和粒子群优化算法
    5.3 混合模型在模拟碳水通量上的应用
    5.4 本章小结
6 小波分解在森林生态系统碳水通量模拟中的应用
    6.1 研究数据
    6.2 小波分解
    6.3 小波分解在模拟碳水通量中的应用
    6.4 本章小结
7 结论
    7.1 主要工作及结论
    7.2 创新点
    7.3 展望
参考文献
作者简历
学位论文数据集



本文编号：3844781