收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于遗传算法优化BP神经网络的土壤盐渍化反演

杨练兵  郑宏伟  罗格平  杨辽  
【摘要】:应用于土壤盐分含量(Soil Salinity Content, SSC)反演的BP神经网络(Back Propagation Neural Network, BPNN)较少关注对模型精度影响较大的结构参数和初始权重的优化。该文利用Landsat-8 OLI、Sentinel-1 SAR影像数据及SRTM高程数据,基于谷歌地球引擎(GEE)平台构建反演参数,并建立3种反演模型:先利用遗传算法(Genetic Algorithm, GA)同步优化输入层反演参数子集和隐含层神经元数量,再优化初始权重的BPNN(GA-BP)模型;将变量投影重要性(Variable Importance in Projection, VIP)算法分割阈值分别设为1和0.5,优化出两组输入层反演参数子集并将其分别代入GA优化隐含层神经元数量,再优化初始权重的BPNN(VIP1-GA-BP、VIP2-GA-BP)模型。在玛纳斯流域和三工河流域各选一靶区进行SSC反演,对比分析GA-BP、VIP1-GA-BP、VIP2-GA-BP模型的反演精度,并统计各类盐渍土的面积比例,结果表明:1)两靶区3组模型反演精度由高到低排序均为GA-BP、VIP1-GA-BP、VIP2-GA-BP;2)盐分指数和植被指数在SSC反演中起到重要作用,同一模型筛选的反演参数存在空间分异性,但高程适用于不同的筛选模型,具有较强的鲁棒性;3)两靶区3组模型反演的SSC值域范围与实际采样点SSC值域范围的差异均较小,各子区GA-BP反演的SSC空间分布地物轮廓最清晰,且地物内SSC的均质性最好;4)玛纳斯靶区和三工河靶区面积占比最大的盐渍土类型分别为盐渍土和中度盐渍土。研究结果为构建具有一定推广性的干旱区土壤盐分含量反演模型奠定了基础。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 杨国林;李建章;李培天;;基于BP神经网络的高程异常转换工程应用研究[J];矿山测量;2013年06期
2 聂建亮;郭春喜;程传录;蒋光伟;王斌;马新莹;王文利;;BP神经网络拟合区域似大地水准面的应用分析[J];测绘工程;2012年01期
3 王勇;张立辉;杨晶;;基于BP神经网络的对流层延迟预测研究[J];大地测量与地球动力学;2011年03期
4 马凯;梁敏;;基于BP神经网络高光谱图像分类研究[J];测绘与空间地理信息;2017年05期
5 李小东;王昶;伏丹丹;李洪涛;张欣媛;;BP神经网络和二次曲面模型对求高程异常精度分析[J];江西测绘;2009年02期
6 张菊清;聂建亮;杨淑靖;;基于BP神经网络的地图数字化误差纠正[J];测绘科学;2008年03期
7 秦浩森;丁咚;王祥东;李广雪;权永峥;;蚁群算法优化BP神经网络声学底质分类方法[J];中国海洋大学学报(自然科学版);2019年S2期
8 王新志;杨志强;王兴国;陈涛;;基于BP神经网络的厦门集美大桥高程传递的设计与实现[J];南京信息工程大学学报(自然科学版);2010年05期
9 陈楠;王钦敏;汤国安;赵元伟;;基于BP神经网络自动提取沟谷研究[J];中国水土保持科学;2006年05期
10 杨希;王鹏;;基于BP神经网络的高分辨率遥感影像分类[J];测绘;2011年03期
11 邵黎霞,何宗宜,艾自兴,宋晓东;基于BP神经网络的河系自动综合研究[J];武汉大学学报(信息科学版);2004年06期
12 孔令杰;李捷斌;陈伟;;基于遗传算法的BP神经网络在高程拟合中的应用[J];工程勘察;2010年03期
13 邵婷婷;樊延虎;吕浩北;郭娜;;基于BP神经网络的磁罗盘误差补偿研究[J];电子设计工程;2014年14期
14 高瑞忠,朝伦巴根,贾德彬,柴建华;基于非稳定流抽水试验的BP神经网络确定含水层参数研究[J];沈阳农业大学学报;2004年Z1期
15 李文莉;杨泽元;李瑛;曾磊;;浅析基于BP神经网络和先验知识的伊犁河谷遥感影像分类[J];华北国土资源;2013年06期
16 张志;廖瑛;余越;;BP神经网络在极移预报中的应用[J];国防科技大学学报;2015年02期
17 李和旺;任超;;遗传算法改进的BP神经网络在GPS高程拟合中的应用[J];工程勘察;2012年12期
中国重要会议论文全文数据库 前11条
1 简季;杨武年;马正龙;陈园园;;BP神经网络在土地分类中的应用研究——以汶川地区为例[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
2 孔春芳;江茜茜;杨光;;基于BP神经网络的大城市城乡交错带农用地适宜性评价——以杭州市为例[A];中国地质学会2015学术年会论文摘要汇编(中册)[C];2015年
3 姚焕炯;徐朝树;李波;;基于神经网络的激光扫描数据拟合[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年
4 吐尔逊·艾山;塔西甫拉提·特依拜;;基于BP神经网络的盐碱土盐分反演模型研究[A];中国地理学会百年庆典学术论文摘要集[C];2009年
5 赵晓琨;杨东凯;张波;;基于BP神经网络的摄动量外推算法研究[A];第七届全国信号和智能信息处理与应用学术会议会刊[C];2013年
6 于凤鸣;包玉海;卓义;;BP神经网络在土地覆被分类中的应用研究[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年
7 许妙强;余学祥;邓健;;基于BP神经网络模型的多系统网络RTK天顶对流层延迟的精度分析[A];卫星导航定位与北斗系统应用2018——深化北斗应用 促进产业发展[C];2018年
8 许伟;奚砚涛;;基于BP神经网络的Landsat8遥感影像的土地利用分类[A];第十三届全国数学地质与地学信息学术研讨会论文集[C];2014年
9 宋雷;胡伍生;丁超;;神经网络初始条件对似大地水准面拟合结果的影响[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
10 刘丽娜;陈彦;王秀丽;童玲;;土壤室内散射测量与参数的神经网络反演[A];遥感定量反演算法研讨会摘要集[C];2010年
11 李超;王腾军;;小波神经网络在拦渣坝变形预测中的应用研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
中国博士学位论文全文数据库 前5条
1 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
2 吴森森;地理时空神经网络加权回归理论与方法研究[D];浙江大学;2018年
3 朱明;卷积神经网络在高分辨率卫星影像地表覆盖分类中的应用研究[D];中国地质大学(北京);2020年
4 王中一;顾及全域时空复杂邻近性的神经网络加权回归方法[D];浙江大学;2020年
5 谭征兵;矿产资源GIS评价系统及成矿预测BP模型[D];中国地质大学(北京);2003年
中国硕士学位论文全文数据库 前20条
1 赵丽娟;基于BP神经网络的遥感影像分类研究[D];东华理工大学;2014年
2 许仲林;基于改进算法的BP神经网络在遥感影像中的应用研究[D];兰州大学;2007年
3 罗扬帆;基于BP神经网络的遥感影像分类研究[D];北京林业大学;2007年
4 姜凤霞;基于BP神经网络的城市扩张动态模拟和预测[D];山东科技大学;2008年
5 王耿明;基于BP神经网络的松辽平原盐碱土含盐量遥感反演研究[D];吉林大学;2008年
6 王新志;BP神经网络及其在跨海大桥高程传递中的应用[D];长安大学;2008年
7 李进;基于BP神经网络的道路网选取方法研究[D];南京大学;2014年
8 祁云;BP神经网络辅助GPS-R遥感反演NDVI实验研究[D];中国矿业大学;2018年
9 侯春玲;基于BP神经网络的黄河三角洲典型盐渍区遥感监测研究[D];中国石油大学;2010年
10 金国钢;基于BP神经网络的GPS高程转换方法[D];江西理工大学;2009年
11 王静;基于BP神经网络的盐碱土盐分遥感反演模型[D];东北师范大学;2005年
12 邓哲;基于GIS和BP神经网络的房地产估价系统的研究[D];江西理工大学;2011年
13 余志飞;基于GIS与BP神经网络的人口预测与信息管理系统开发研究[D];江西理工大学;2015年
14 张雅洁;遥感影像分类中三种重要神经网络的关键技术研究[D];中国石油大学(华东);2016年
15 朱程广;基于BP神经网络的卫星激光测距望远镜指向误差的建模研究[D];中国地震局地震研究所;2013年
16 郭文斌;重力梯度张量的拟BP神经网络反演[D];中南大学;2011年
17 旷雄;基于空间信息格网和BP神经网络的洪灾损失评估研究[D];江西理工大学;2015年
18 吐尔逊·艾山;基于BP神经网络的干旱区盐碱土盐分遥感反演模型研究[D];新疆大学;2008年
19 王小芳;基于多监督对抗神经网络的路网更新[D];厦门大学;2019年
20 陈敏强;深度卷积神经网络超分重建技术驱动的卫星遥感影像融合研究[D];东华理工大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978