基于GRNN神经网络的生态足迹影响因素预测

被引：6

作者：

金新 ^{[1
]}

唐德善 ^{[1
]}

陈丽夫 ^{[2
]}

机构：

[1] 河海大学水利水电学院

[2] 重庆市涪陵区坤源水务有限公司

来源：

水电能源科学 | 2014年 / 32卷 / 05期

关键词：

生态足迹; GRNN神经网络; 影响因素; 北之江流域;

D O I：

暂无

中图分类号：

X22 [环境与发展]; TP18 [人工智能理论];

学科分类号：

083001 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为预测区域生态环境的变化趋势,以北之江流域为例,建立了基于时间序列的GRNN神经网络预测模型,将耕地、化石能源地、草地、建筑用地、林地及水域这6类生物生产性土地面积作为生态足迹影响因素,利用GRNN神经网络对生态足迹影响因素进行预测,通过与灰色预测法和BP神经网络模型进行对比,验证了GRNN神经网络模型具有更高的预测精度,进而利用生态足迹影响因素计算了流域的生态足迹。结果表明,北之江流域的生态足迹在2013～2015年会逐步上升,且生态赤字会不断加剧,因此需对流域进行综合规划和治理。

引用

页码：137 / 139

页数：3

共 8 条

[1]

来宾市统计年鉴[M]. 中国统计出版社 , 来宾市统计局, 2012

[2]

A general regression neural network. Specht DF. IEEE Transactions on Neural Networks . 1991

[3] 基于灰色预测模型的重庆市生态足迹动态分析与预测 [J].