基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究

• 作者: 付和平 包达尔罕 卢志宏 岳闯 杨素文 柴享贤 武晓东 满都呼 郭利彪
• 来源期刊: 生态环境学报
• 学科: 农学
• 关键词: Elman神经网络 阿拉善荒漠 啮齿动物 标志重捕法
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 研究论文
• 页码范围: 1976-1982
• 页数: 7页
• 分类号: S714.6|X171.1
• 字数: 7135字
• 语种: 中文
• DOI: 10.16258/j.cnki.1674-5906.2015.12.008

摘要

群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试.Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测.以腾格里沙漠东缘荒漠为试验区,以啮齿动物数量为研究对象,采用标志重捕法,逐月监测2006-2014年每年的4-10月捕获量,建立Elman神经网络预测模型,利用2006-2013年的捕获量建立训练网络,以2014年的数据进行验证与测试,比较3种数据处理方法建立预测模型后的平均误差和拟合度,确立最优模型,预测阿拉善荒漠啮齿动物组成物种数量动态.结果表明:(1)未经归一化处理预测结果的平均误差mse为5.30,最小误差1.52％,拟合度为0.80;(2)经[0,1]归一化处理的预测结果平均误差mse为4.51,最小误差1.54％,拟合度为0.82;(3)经[-1,1]归一化处理预测结果的平均误差mse为5.03,最小误差1.63％,拟合度为0.69;(4)3种归一化处理后Elman神经网络模型差异不显著.通过平均误差和拟合度的比较,文章认为采用[0,l]归一化建立的Elman神经网络能较好的预测荒漠啮齿动物数量的变化规律,应用该网络可以预测阿拉善荒漠啮齿动物组成物种数量变化趋势,对指导当地鼠情监控和防治具有重要意义.