基于GARBF神经网络的土壤有效锌空间插值方法研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：以土壤有效锌为研究对象，构建遗传径向基函数（GARBF）神经网络对该元素属性值进行空间插值，以训练样本集的测定值与预测值之间的决定系数、逼近误差及检验样本的插值误差为评判标准，比较GARBF神经网络、径向基函数（RBF）神经网络、普通克里格（OrdinaryKriging）的拟合能力和空间插值能力。结果表明：同一区域两种抽样方案（a、b）下三种插值方法对训练样本的拟合能力为GARBF〉RBF〉Ordinary Kriging。以平均绝对误差和误差均方根作为插值精度的评价指标，GARBF与RBF神经网络相比，训练样本的逼近误差分别降低0．22～0．25（a方案）和0．10～0．11（b方案），检验样本的插值误差分别降低0．13～0．11（a方案）和0．02～0．13（b方案）；GARBF神经网络与OrdinaryKriging相比，训练样本的逼近误差分别降低1．12～1．40（a方案）和1．45～1．88（b方案），检验样本的插值误差分别降低0．20～0．24（a方案）和0．14～0．32（b方案），GARBF神经网络的误差最小，插值精度最高。从GARBF神经网络的插值图可以看出，遗传算法避免了神经网络容易陷入局部最优点，扩大了对土壤中相关空间信息的搜索范围，在一定程度上避免了类似克里格插值的“平滑效应”。

原文链接:http://www.cqvip.com/QK/90156X/201001/32839380.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：神经网络 方法研究 RBF 神经网 Ordinary GARBF神经网络 RBF神经网络 普通克里格 空间插值