文摘
英文文摘
声明
第1章 绪论
1.1 问题提出和选题意义
1.2 研究现状综述
1.2.1 土壤适宜性评价指标体系的研究
1.2.2 土壤适宜性评价方法
1.2.3 研究综述小结
1.3 本课题研究的技术路线和主要内容
1.3.1 技术路线
1.3.2 主要研究内容
第2章 人工神经网络基本原理及其评价模型研究
2.1 人工神经网络介绍
2.1.1 人工神经网络发展历程
2.1.2 人工神经网络的原理与分类
2.1.3 人工神经网络的特点和优越性
2.1.4 人工神经网络的发展方向
2.2 BP神经网络模型
2.2.1 BP神经网络结构
2.2.2 BP算法的基本原理
2.2.3 BP算法的不足
2.2.4 BP算法的改进
2.2.5 基于BP神经网络的土壤适宜性评价基本步骤
2.3 本文对土壤适宜性评价BP神经网络模型的改进和优化
2.3.1 土壤适宜性评价BP神经网络算法的改进
2.3.2 土壤适宜性评价指标体系(专家样本)的构建和改进
2.3.3 土壤适宜性评价BP神经网络模型隐层节点的优化
2.4 BP神经网络模型的软件实现
2.4.1 MATLAB神经网络工具箱简介
2.4.2 MATLAB神经网络工具箱建模步骤
第3章 基于BP神经网络的嘎勒移民安置区土壤适宜性评价
3.1 研究区域概况
3.2 数据来源
3.3 土壤适宜性评价BP神经网络模型的建立
3.3.1 指标的选择和训练样本数据准备
3.3.2 训练方法选择及网络对象构建
3.4 土壤适宜性评价BP网络模型训练与仿真
3.4.1 网络模型训练
3.4.2 网络仿真
3.5 土壤适宜性评价BP网络模型分析与评价结果
3.5.1 网络训练误差分析
3.5.2 网络仿真误差分析
3.5.3 网络仿真评价结果
第4章 BP神经网络土壤适宜性评价与常规评价方法比较
4.1 经验指数和法
4.1.1 评价原则及步骤
4.1.2 参评因子及土壤适宜性评价系统
4.1.3 土壤适宜性经验指数计算和评价等级划分
4.2 偏最小二乘回归分析法(PLS1)
4.2.1 偏最小二乘回归方法简述
4.2.2 偏最小二乘回归方法基本内容
4.2.3 基于偏最小二乘回归的土壤适宜性评价
4.3 BP神经网络模型与常规方法的比较
4.3.1 适宜性评价方法理论比较
4.3.2 评价结果比较
4.3.2 评价精度比较
第5章 结论
5.1 研究结论
5.2 需进一步解决的问题
参考文献
攻读硕士学位期间学术论文、科研实践简介
致谢