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

0 l- }' T' n5 s; r# Q5 f) m. `
) K0 ]! R2 c; J
% T6 C" ?% C; [+ z( ~' o; \% w
9 |! c* q, J  Q1 A9 rBP 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
9 t3 [& D' K! }5 o4 q" K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
2 f! L: P; n9 e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
' Y) w/ b3 h: Y$ _) w! U8 O) M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% E, C* k/ ]4 m5 y$ E
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+ b4 b0 r2 c1 L7 S* M3 v4 {: L
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
* \: R$ \. T$ H4 w" s# fcoefficient, 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
8 t/ G  b8 A% f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: y' C6 o* i7 u
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- M/ n8 `: ]* t5 _3 F3 m" {
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
2 q# D  ?+ _" W' W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。 5 N$ w: H! w4 ^# G$ O9 o, M
$ B" s' F% l- ^6 s3 R
$ X- \4 u% f5 C7 G

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