原文传递
基于人工神经网络克里金插值的森林土壤养分的空间预测方法
| 专利名称： | 基于人工神经网络克里金插值的森林土壤养分的空间预测方法 |
| 摘要： | 本发明公开了一种基于人工神经网络克里金插值的森林土壤养分的空间预测方法，包括以下步骤：获取环境因子栅格数据；计算得到基于多层感知器神经网络的森林土壤养分空间分布图；进行实测养分值与预测值之间的残差计算；对神经网络预测残差进行分析和检验；进行残差的半方差计算及半方差函数定的模型模拟，得到各模型类型及参数；得到的半方差模型参数，对残差进行普通克里金插值，得到神经网络预测残差的空间分布；将基于多层感知器神经网络的森林土壤养分栅格与预测残差的栅格相加得到基于人工神经网络克里金插值的森林土壤养分空间分布图。本发明所得预测精度较仅使用多层感知器神经网络模型或普通克里金插值方法的精度均有显著提高。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 吉林;22 |
| 申请人： | 中国科学院东北地理与农业生态研究所 |
| 发明人： | 陈琳;任春颖;张柏;王宗明 |
| 专利状态： | 有效 |
| 申请号： | CN201810916677.8 |
| 公开号： | CN109142679A |
| 代理机构： | 北京快易权知识产权代理有限公司 11660 |
| 代理人： | 汪守勇 |
| 分类号： | G01N33/24(2006.01)I;G;G01;G01N;G01N33 |
| 申请人地址： | 130000 吉林省长春市高新技术产业开发区长东北核心区盛北大街4888号 |
| 主权项： | 1.基于人工神经网络克里金插值的森林土壤养分的空间预测方法，其特征在于，包括以下步骤：获取环境因子栅格数据；将所述环境因子栅格数据的坐标系统一为投影坐标系，并统一所有所述环境因子栅格数据的空间分辨率；对森林土壤预测的养分属性的实测值进行分析；提取森林土壤养分实测样点的环境因子栅格的属性；对森林土壤预测的养分和环境因子属性进行分析和计算；基于人工神经网络函数，训练多层感知器神经网络，得到网络结构与参数值；利用人工神经网络函数，得到神经网络结构和参数，进行未知节点土壤养分预测；进行空间制图，得到基于多层感知器神经网络的森林土壤养分空间分布图；进行实测养分值与预测值之间的残差计算；对神经网络预测残差进行分析和检验；进行残差的半方差计算及半方差函数定的模型模拟，得到各模型类型及参数；得到的半方差模型参数，对残差进行普通克里金插值，得到神经网络预测残差的空间分布；将基于多层感知器神经网络的森林土壤养分栅格与预测残差的栅格相加得到基于人工神经网络克里金插值的森林土壤养分空间分布图。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
