广义回归神经网络残余Kriging方法预测地表高程
【摘要】:以广东省番禹区沙洲和石楼镇岛地区的1 657个高程点为样本点,把其分为A、B、C组各200个高程点,A+B组400个高程点,A+B+C组600个高程点作为训练数据集,在Matlab 7.1和ArcGIS 9.2平台上分别应用广义回归神经网络(GRNN)、普通克里格(O-Kriging)、广义回归神经网络残余Kriging方法(GRNNRK)进行高程估值和成图,最后计算出三种方法的均方根误差.结果表明,如果插值样本数据量不变,样本的空间分布格局对GRNNRK插值精度的影响不大,且其插值精度要优于GRNN和O-Kriging方法的插值精度.随着插值样本数据量的增加,三种方法的插值精度都有显著提高,但GRNNRK方法的插值精度仍优于另两种方法.这表明GRNNRK方法在地形高程预测中的应用是可行的.
|
|
|
|
| 1 |
秦贵和,葛安林,魏达,戴逸松;电控自动变速器档位决策神经网络方法[J];兵工学报;1997年01期 |
| 2 |
魏晋雁;茹锋;;采用GRNN模型进行交通量预测及实现研究[J];长沙交通学院学报;2006年02期 |
| 3 |
刘付程,史学正,潘贤章,于东升;太湖流域典型地区土壤磷素含量的空间变异特征[J];地理科学;2003年01期 |
| 4 |
李新,程国栋,卢玲;空间内插方法比较[J];地球科学进展;2000年03期 |
| 5 |
朱益玲,刘洪斌,江希流;江津市紫色土中N、P养分元素区域空间变异性研究[J];环境科学;2004年01期 |
| 6 |
胡克林,张凤荣,吕贻忠,王茹,徐艳;北京市大兴区土壤重金属含量的空间分布特征[J];环境科学学报;2004年03期 |
| 7 |
佘跃心;基于Kriging法的土性参数估计[J];建筑科学;2003年02期 |
| 8 |
胡大伟;卞新民;李思米;冯金飞;王书玉;;基于神经网络的农田土壤重金属空间分布分析[J];农业环境科学学报;2007年01期 |
| 9 |
王辛芝;张甘霖;俞元春;张金池;;南京城市土壤pH和养分的空间分布[J];南京林业大学学报(自然科学版);2006年04期 |
| 10 |
何勇,张淑娟,方慧;基于人工神经网络的田间信息插值方法研究[J];农业工程学报;2004年03期 |
|