神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)生態(tài)經(jīng)濟分區(qū)上的應(yīng)用研究.pdf

1、本文利用BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)分類上的優(yōu)勢，將農(nóng)業(yè)生態(tài)經(jīng)濟分區(qū)問題歸結(jié)成數(shù)據(jù)分類，利用在BP算法上研究的成果，基于BP算法的改進算法建立一個適合特定區(qū)域的農(nóng)業(yè)生態(tài)經(jīng)濟分區(qū)的數(shù)據(jù)分類模型，對農(nóng)業(yè)生態(tài)經(jīng)濟進行分區(qū)，這樣不僅能克服目前分區(qū)方法的缺點，還能實現(xiàn)生態(tài)經(jīng)濟分區(qū)的自動化，提高生態(tài)經(jīng)濟分區(qū)的效率和準確率。主要研究工作如下： 1.全面地綜述了神經(jīng)網(wǎng)絡(luò)知識，以及所涉及的應(yīng)用領(lǐng)域，詳細地介紹了農(nóng)業(yè)生態(tài)經(jīng)濟的功能，并對農(nóng)業(yè)生態(tài)經(jīng)濟分區(qū)方法作

2、了深入的研究，找到了目前分區(qū)方法存在的不足，提出了改進思想，即將神經(jīng)網(wǎng)絡(luò)引入到這一領(lǐng)域，用神經(jīng)網(wǎng)絡(luò)來實現(xiàn)農(nóng)業(yè)生態(tài)經(jīng)濟的分區(qū)。 2.對BP神經(jīng)網(wǎng)絡(luò)進行了深入的研究，針對BP算法的缺陷，通過實驗采取了，現(xiàn)有的優(yōu)化算法的手段對網(wǎng)絡(luò)進行優(yōu)化，包括改進激活函數(shù)、調(diào)整參數(shù)、增加動量項、調(diào)整網(wǎng)絡(luò)拓撲結(jié)構(gòu)等。 3.對以上實驗和有關(guān)文獻進行了認真分析后，找到了不同的輸入在神經(jīng)網(wǎng)絡(luò)上可能對應(yīng)相同的輸出是影響神經(jīng)網(wǎng)絡(luò)結(jié)果準確性的重要因素之一，

3、并進行了理論上的證明和具體實驗環(huán)境的驗證。在論文中提出了用相同的訓(xùn)練數(shù)據(jù)在不同的初始權(quán)值和閾值的情形下多次訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而構(gòu)建不同于一般多級分類器方法的多個分類器的思想，即二步檢測法，可以實現(xiàn)對干擾數(shù)據(jù)的有效過濾。 4.針對三峽庫區(qū)農(nóng)業(yè)生態(tài)經(jīng)濟特點，結(jié)合BP神經(jīng)網(wǎng)絡(luò)的特性，構(gòu)建了一個適合該區(qū)域的基于BP網(wǎng)絡(luò)的農(nóng)業(yè)生態(tài)經(jīng)濟分區(qū)模型，模型運用了二步檢測法算法，同時對樣本的選取，網(wǎng)絡(luò)的訓(xùn)練，隱含層的確定等作了較為詳細的研究，通過實驗