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

/ M2 s) i: q( }4 n, C
7 ^/ D, O: H, ]* H* l; X4 [
& V* h% T" W4 ]/ B4 K: D9 h$ s* X( Y" n3 Z
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
; y3 S% C- _- p, [1 d' q; 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$ _7 O' h  N& H' G- }
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 2 D* O; Y' i2 |$ M* Y! d$ t/ ]5 \
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
& K, l6 t  [9 O0 k8 X# ]& c, k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; k" V# E5 B, X* S5 p6 Q
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 - J4 f( r' g7 V9 u( @3 Q5 |
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
# g0 Q- d4 u% `2 @' ]6 y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
" f2 M# ^4 T- N9 I1 g6 {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- U' c* A& I7 T$ k1 }5 }
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
) o- d; e( t) ]5 ~, z4 v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。 " j2 Z  c: v/ f1 y9 w2 n

; @( P8 C6 u- D1 F
# l6 N0 l; }0 \9 z. 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