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

; b6 t6 h% e" i# R; o( J0 Q5 _4 P& Q. Z! f" R

) R. @8 b; w( t: B1 F9 P! {* \( [$ r# n0 G% E9 I
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8 E& ?0 ?! t1 G$ [! V0 g
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
: S! k8 q8 a4 n/ ~. u  q; t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
% S4 F% P# Q0 b9 u0 Y0 J  F( X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
% A* W' Q6 t% M% [0 k6 y+ H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
% F0 R& A6 z; H8 k4 i. Z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   M; _* h/ d2 e
coefficient, 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 r$ O$ S9 g" b/ G+ l
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) R& k7 [! r4 |8 K7 }' E
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( j2 I7 r9 [% ]9 x- q
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7 B: k: _- S/ @, b, u
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。
! k9 t8 u5 N6 S' [' B9 m4 e$ X$ ?$ z2 j0 `" ~9 w- `
0 f' P+ a- c: |9 C& W: [

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