用人工神经网络进行空间不完备数据的插补

• 作者: Jacques Yvon 何凯涛 张治国 陈明
• 来源期刊: 地质通报
• 学科: 地球科学
• 关键词: 空间不完备数据 人工神经网络 非线性 知识挖掘 数学地质 区域化探
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 方法与应用
• 页码范围: 476-479
• 页数: 4页
• 分类号: P59
• 字数: 2766字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-2552.2005.05.014

摘要

在地学研究中,特别是区域性资料处理过程中,常常遇到"不完备数据"的问题,即所谓的"数据不全".在尽量减小估计误差的条件下对缺失数据进行预测或插补,对于充分利用历史资料和已知信息,提高预测质量具有重要意义.利用径向基人工神经网络(RBF)同时具有自组织神经网络和回归网络的优点,可以对缺失数据进行预测.实际区域地球化学数据处理的结果表明,RBF网络对空间不完备数据的建模和预测具有优异的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张治国		8	122	5.0	8.0
2	何凯涛		3	66	3.0	3.0
6	陈明		19	219	8.0	14.0