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
5 I4 j: ]$ t2 v; d% l8 S3 l

2 c3 Q8 Z1 l* v" V8 t4 G
( `& k2 b! k; b( @. k
, g8 n4 T# a6 v8 @# W1 MBP 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/ |( A$ Q0 }- O, j- e/ D6 F
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
/ o9 a( v$ E& f0 k+ u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 ) n4 \8 g6 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
4 h/ G4 @6 P% s7 \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
2 n) z& ]  a) }" C# y0 Q! P3 D" t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 9 O/ y8 ]# X% ?# F9 g" f
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. w8 Z( C. L% J8 i# `
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% v* D' W) G9 G$ D
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
) n2 a6 p. N. s2 h) x0 \0 \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
; w- V! ~1 v; R1 a3 s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。 2 e  ]- [+ n1 b8 L: x& x( G5 a' p

' ], G) k+ C( z+ k) s8 R4 S$ ]. y. d5 Z. q0 S5 j/ t

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