防护林科技
防護林科技
방호림과기
PROTECTION FOREST SCIENCE AND TECHNOLOGY
2004年
z1期
11-14
,共4页
马尾松毛虫%人工神经网络%预测预报%BP模型
馬尾鬆毛蟲%人工神經網絡%預測預報%BP模型
마미송모충%인공신경망락%예측예보%BP모형
运用人工神经网络的原理和方法,根据相关系数法选取与台州市7个县(市、区)马尾松毛虫有虫面积相关关系都比较密切的14个气象因子,然后进行主成分分析,在此基础上,将前6个主成分的主坐标值作为样本的输入特征,建立以7个县(市、区)马尾松毛虫有虫面积为期望输出的BP网络预测模型,结果表明:所建立的BP模型,具有令人满意的拟合精度和预测精度.当隐含层神经元个数为4个时,7个县(市、区)3组预留有虫面积3 n预测结果的卡方检验为:η=7.292 0<X20.05=28.869;置信椭圆F检验为F=0.824 9<(2,19)0.05=3.52.
運用人工神經網絡的原理和方法,根據相關繫數法選取與檯州市7箇縣(市、區)馬尾鬆毛蟲有蟲麵積相關關繫都比較密切的14箇氣象因子,然後進行主成分分析,在此基礎上,將前6箇主成分的主坐標值作為樣本的輸入特徵,建立以7箇縣(市、區)馬尾鬆毛蟲有蟲麵積為期望輸齣的BP網絡預測模型,結果錶明:所建立的BP模型,具有令人滿意的擬閤精度和預測精度.噹隱含層神經元箇數為4箇時,7箇縣(市、區)3組預留有蟲麵積3 n預測結果的卡方檢驗為:η=7.292 0<X20.05=28.869;置信橢圓F檢驗為F=0.824 9<(2,19)0.05=3.52.
운용인공신경망락적원리화방법,근거상관계수법선취여태주시7개현(시、구)마미송모충유충면적상관관계도비교밀절적14개기상인자,연후진행주성분분석,재차기출상,장전6개주성분적주좌표치작위양본적수입특정,건립이7개현(시、구)마미송모충유충면적위기망수출적BP망락예측모형,결과표명:소건립적BP모형,구유령인만의적의합정도화예측정도.당은함층신경원개수위4개시,7개현(시、구)3조예류유충면적3 n예측결과적잡방검험위:η=7.292 0<X20.05=28.869;치신타원F검험위F=0.824 9<(2,19)0.05=3.52.