文献

J-GLOBAL ID：201802275580303520   整理番号：18A0648361

統合BPニューラルネットワークモデルを適用して土壌有機物の空間分布を予測した。【JST・京大機械翻訳】

Spatial distribution of soil organic matter predicted by BP neural network ensemble model

著者 (5件)： Jiang Yefeng (江西農業大学国土資源与環境学院/江西省po陽湖流域農業資源与生態重点実験室,江西 南昌 330045;南方粮油作物協同創新中心,湖南 長沙 410000) ,  Guo Xi (江西農業大学国土資源与環境学院/江西省po陽湖流域農業資源与生態重点実験室,江西 南昌 330045;南方粮油作物協同創新中心,湖南 長沙 410000) ,  Ye Yingcong (江西農業大学国土資源与環境学院/江西省po陽湖流域農業資源与生態重点実験室,江西 南昌,330045) ,  Sun Kai (江西農業大学国土資源与環境学院/江西省po陽湖流域農業資源与生態重点実験室,江西 南昌,330045) ,  Rao Lei (江西農業大学国土資源与環境学院/江西省po陽湖流域農業資源与生態重点実験室,江西 南昌,330045)
資料名： Jiangsu Daxue Xuebao  (Jiangsu Daxue Xuebao)
巻： 33  号： 5  ページ： 1044-1050  発行年： 2017年 
JST資料番号： C2703A  ISSN： 1000-4440  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 2014年の江西省万年県の土壌測定データに基づき、地理座標、標高と勾配及び隣接サンプル点の情報をネットワークの入力変数とし、統合BPニューラルネットワークモデル(BPNN-Adaモデル)を用いて土壌有機物の空間分布を予測した。そして,BPニューラルネットワークモデル(BPNNモデル)と通常のクリギングモデル(OKモデル)との比較を行った。結果は,3つのモデルの予測精度の順序が,BPNN-Adaモデル>BPNNモデル>OKモデルであることを示した。BPニューラルネットワークモデルの予測精度が最も高く、効果が最も良く、土壌有機物の地理学的分布の法則と実際状況に一致し、BPNN-AdaモデルはBPニューラルネットワークの局部探索能力の差とグローバル最適化の欠点を克服し、BPニューラルネットワークの汎化能力を高めた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 地理的分布 ,  *ネットワーク ,  *空間分布 ,  *土壌有機物 ,  測地座標
準シソーラス用語： 大域的最適化 ,  予測精度 ,  標高 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： soil organic matter ,  adaptive boosting method ,  back propagation neural network ,  prediction of spatial distribution

分類 (5件)： 電力工学・電力事業一般  (NB01000X) ,  製鋼  (WD01060A) ,  窒素とその化合物  (YB02050S) ,  関連産業  (YM01060D) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 統合 ,  BPニューラルネットワーク ,  モデル ,  土壌有機物 ,  空間分布 ,  予測