基于RBF神经网络的土壤铬含量空间预测

被引：33

作者：

陈飞香 ^{[1
,2
,3
]}

程家昌 ^{[2
,3
]}

胡月明 ^{[2
,3
]}

周永章 ^{[1
]}

赵元 ^{[2
,3
]}

蚁佳纯 ^{[4
]}

机构：

[1] 中山大学地球环境与地球资源研究中心

[2] 华南农业大学信息学院

[3] 广东省土地利用与整治重点实验室

[4] 不详

来源：

地理科学 | 2013年 / 33卷 / 01期

基金：

广东省科技计划;

关键词：

RBF神经网络; 土壤属性; 空间预测; 克里格插值;

D O I：

10.13249/j.cnki.sgs.2013.01.010

中图分类号：

S153.61 [];

学科分类号：

摘要：

以广东省增城市为实验基地,采用随机采样的方法采集土壤铬含量样点,并将其分为训练数据集和检验数据集。设计4种样点布局方案,对前三组数据用RBF神经网络方法进行土壤铬含量插值,分析预测误差。研究发现,当样点较少时,RBF神经网络方法的插值结果较精确。而当样点数据为50时,误差较大,不能满足插值要求。通过插值结果的对比发现,较传统的统计学插值方法,RBF神经网络方法克服了平滑效应,特别是在数据较少的情况下,进行空间预测效果较好,是一种适用范围更广的插值方法。

引用

页码：69 / 74

页数：6

共 21 条

[1] 基于地统计学插值方法的局部奇异性指数计算比较研究 [J].