摘要
符号说明
1 绪论
1.1 研究目的及意义
1.2 国内外研究进展
1.2.1 地统计学理论在农业水土科学领域的研究进展
1.2.2 集成神经网络插值技术在空间分析领域应用的研究进展
1.2.3 贝叶斯最大熵模型(BME)的研究进展
1.3 研究内容与技术路线
1.3.1 研究思路及内容
1.3.2 研究技术路线
2 试验方案和数据统计分析
2.1 试验区基本概况和试验方案
2.1.1 试验区基本概况
2.1.2 试验设计和测定项目
2.2 土壤水分和养分的经典统计特征分析
2.3 土壤水分和养分的空间结构分析
2.3.1 变异函数
2.3.2 土壤水分和养分的空间结构分析
2.4 特异值处理
2.4.1 几种特异值处理方法
2.4.2 研究区土壤水和养分的特异值处理
3 基于BME的土壤水分与养分空间插值
3.1 基本原理和方法
3.1.1 贝叶斯最大熵模型
3.1.2 径向基函数神经网络法
3.1.3 传统地统计法方法
3.1.4 BME法中软数据的构建
3.1.5 评价指标
3.2 抽样方案设计
3.3 结果分析与讨论
3.3.1 平均误差和估计方差的对比分析
3.3.2 估计方差组成分析
3.3.3 土壤水分和养分的空间分布图对比分析
3.4 本章小结
4 BME结合集成神经网络对土壤水分与养分的空间插值
4.1 基本原理
4.1.1 集成神经网络
4.1.2 BME法和集成神经网络方法的结合
4.2 抽样方案设计
4.3 结果分析与讨论
4.3.1 平均误差和估计方差的对比分析
4.3.2 估计方差组成分析
4.3.3 土壤水分和养分的空间分布图对比分析
4.3.4 MVBME与NNEBME的插值结果对比分析
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
声明