数学建模社区-数学中国

标题: 基于优化的 BP 神经网络模型研究山东近海口虾蛄空间分 布与环境因子的关系 [打印本页]
作者: 杨利霞    时间: 2020-10-30 11:56
标题: 基于优化的 BP 神经网络模型研究山东近海口虾蛄空间分 布与环境因子的关系
基于优化的 BP 神经网络模型研究山东近海口虾蛄空间分 布与环境因子的关系

3 f9 Z( q& r* \- j8 ?& ?
$ {$ \% _) F" v  y7 A5 z8 o5 ?
1 g" D* c1 \& V- V+ D/ Y$ c  q/ g  c2 F
BP 神经网络模型作为一种常用的机器学习方法，被广泛应用于物种分布模型，来解析生物分布与环境因子的2 m/ D; ~" _9 w* E+ K, V$ ?
关系。与传统的回归模型相比，该模型可以灵活处理变量间的非线性关系，但其结构复杂，在参数设置方面存在不确
% E( k0 ]4 j8 O; G8 F7 _) N定性，从而影响模型的预测与应用。因此，本研究根据 2016—2017 年山东近海口虾蛄渔业资源调查与环境数据，利 ; b2 z5 E5 c' {: `! u) y0 Z
用 BP 神经网络模型构建口虾蛄资源分布模型，同时利用数据分组处理算法(group method of data handing, GMDH)、遗9 U' n8 e" \7 R- e# r( Z6 K) \' Y
传算法(genetic algorithm, GA)和自适应算法(adaptive algorithm)分别对模型输入变量、初始权值和隐节点数目 3 方面进
  q7 P3 C& z, G) n; C4 S7 E行优化，构建 7 种不同组合优化的 BP 模型。根据均方根误差(root mean square error，RMSE)、相关系数(correlation
( B% I  n: s% dcoefficient, COR)和残差平方和(residual sum of squares, SSE)等指标评价各模型性能，由此得到最优模型。进而分析口
2 K) I; D9 f9 q: ?虾蛄资源密度与重要环境因子的响应关系。研究表明，7 种组合优化模型的预测性能存在明显差异，单方面和两方面
# I1 ]! G8 J3 C6 C2 v3 _) S组合优化模型预测性能基本保持一致；而 3 方面共同优化的模型预测效果最好。纬度、底层温度、底层盐度和水深与8 n% z7 S  k; E$ L9 d
口虾蛄的资源密度存在密切关系。本研究优化了 BP 神经网络模型的参数设置，评价其预测性能并得到最优模型。了  y  o6 G+ @5 L$ M& M2 d0 `
解口虾蛄资源密度对环境因子的响应，以期为山东近海海域口虾蛄栖息地的保护和利用提供科学指导。 + y  e: i: ~& x

- r( n" |2 O9 |8 z3 s7 F- K) y7 K6 b& j4 c/ @5 H

基于优化的 BP 神经网络模型研究山东近海口虾蛄空间分 布与环境因子的关系.pdf

718.94 KB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 3 点体力  [记录]  [购买]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5