基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在分析测量数据的基础上,提取红树的平均基径、基径数、平均胸径、胸径数等特征参数,建立了预测红树株高的人工神经网络模型。采用Levenberg—Marquardt优化算法改进了BP神经网络算法;采用训练好的BP神经网络模型对距堤坝25,50,75m3个采样点的株高进行预测,预测值和实测值的均方根误差分别为0.0006,0.0022,0.0041,相关系数分别为0.99,0.95,0.94。结果表明利用BP神经网络对红树株高进行预测是可行的。
推荐文章
基于BP神经网络的麦蚜最大虫株率预测
BP神经网络
麦蚜
最大虫株率
预测
基于BP神经网络的表面硬度预测模型
BP神经网络
激光相变硬化
扫描参数
预测
基于BP神经网络对NMR的预测模型
1H NMR和13C NMR
神经网络
BP算法
预测模型
基于改进BP神经网络的预测模型及其应用
神经网络
BP算法
L-M算法
非线性系统
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的泉州湾红树株高预测模型
来源期刊 江苏林业科技 学科 农学
关键词 红树林 BP神经网络 株高 预测
年,卷(期) 2012,(3) 所属期刊栏目 试验研究
研究方向 页码范围 1-3,30
页数 4页 分类号 S727.2
字数 1949字 语种 中文
DOI 10.3969/j.issn.1001-7380.2012.03.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (93)
共引文献  (79)
参考文献  (11)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (0)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(3)
  • 参考文献(0)
  • 二级参考文献(3)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(7)
  • 参考文献(0)
  • 二级参考文献(7)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(7)
  • 参考文献(0)
  • 二级参考文献(7)
1999(6)
  • 参考文献(0)
  • 二级参考文献(6)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(9)
  • 参考文献(1)
  • 二级参考文献(8)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(14)
  • 参考文献(2)
  • 二级参考文献(12)
2008(14)
  • 参考文献(0)
  • 二级参考文献(14)
2010(4)
  • 参考文献(3)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
红树林
BP神经网络
株高
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
江苏林业科技
双月刊
1001-7380
32-1236/S
大16开
南京市江宁区东善桥省林科院内
28-303
1974
chi
出版文献量(篇)
1958
总下载数(次)
2
论文1v1指导