共 16 条
基于GARBF神经网络的土壤有效锌空间插值方法研究
被引:26
作者:
董敏
[1
]
王昌全
[1
]
李冰
[1
]
唐敦义
[2
]
杨娟
[1
]
宋薇平
[1
]
机构:
[1] 四川农业大学资源环境学院
[2] 不详
来源:
关键词:
GARBF神经网络;
RBF神经网络;
普通克里格;
空间插值;
D O I:
暂无
中图分类号:
S153 [土壤化学、土壤物理化学];
学科分类号:
摘要:
以土壤有效锌为研究对象,构建遗传径向基函数(GARBF)神经网络对该元素属性值进行空间插值,以训练样本集的测定值与预测值之间的决定系数、逼近误差及检验样本的插值误差为评判标准,比较GARBF神经网络、径向基函数(RBF)神经网络、普通克里格(Ordinary Kriging)的拟合能力和空间插值能力。结果表明:同一区域两种抽样方案(a、b)下三种插值方法对训练样本的拟合能力为GARBF>RBF>Or-dinary Kriging。以平均绝对误差和误差均方根作为插值精度的评价指标,GARBF与RBF神经网络相比,训练样本的逼近误差分别降低0.22~0.25(a方案)和0.10~0.11(b方案),检验样本的插值误差分别降低0.13~0.11(a方案)和0.02~0.13(b方案);GARBF神经网络与Ordinary Kriging相比,训练样本的逼近误差分别降低1.12~1.40(a方案)和1.45~1.88(b方案),检验样本的插值误差分别降低0.20~0.24(a方案)和0.14~0.32(b方案),GARBF神经网络的误差最小,插值精度最高。从GARBF神经网络的插值图可以看出,遗传算法避免了神经网络容易陷入局部最优点,扩大了对土壤中相关空间信息的搜索范围,在一定程度上避免了类似克里格插值的"平滑效应"。
引用
收藏
页码:42 / 50
页数:9
相关论文