首页|基于PCA优化—BP神经网络算法的农田土壤养分评价

基于PCA优化—BP神经网络算法的农田土壤养分评价

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为达到对膜下滴灌土壤养分综合评价的目的,采用描述性统计分析、主成分分析(Principal Component A-nalysis,PCA)和Back Propagation(BP)神经网络方法对通辽市科左中旗农田土壤养分进行评价,结合单因子指数法,并与传统方法中运用最广的模糊数学综合评价结果进行对比分析.依据《全国第二次土壤养分分级标准》,经实测数据验证,结果表明:2015年和2016年科左中旗农田土壤养分综合评价良好;将PCA与BP神经网络相结合的方法运用到解决土壤学问题中,可获得客观的结果;经检验PCA与BP神经网络模型相结合的评价方法适用于因子多且复杂、精度要求高的样本.将PCA与BP神经网络相结合既可以解决信息过多、分析困难的问题,又可以降低模糊性、减少精度下降,将各自优点有效的联系在一起,相较传统方法可以更加科学合理、准确有效地对土壤养分进行综合评价.
Farmland Soil Nutrient Evaluation Based on PCA Optimization-BP Neural Network Algorithm

宛恒、任文裕、周慧平、杨树青、胡睿琦、刘月

展开 >

内蒙古农业大学水利与土木建筑工程学院,呼和浩特010000

内蒙自治区水利水电勘测设计院,呼和浩特010000

内蒙古恒源水利工程有限公司,呼和浩特010000

悉尼科技大学人工智能中心,悉尼2007

展开 >

主成分分析(PCA) BP神经网络 膜下滴灌 土壤养分评价

国家自然科学基金重点项目"十二五"国家科技支撑计划项目

515390052014BAD12B03

2019

节水灌溉
中国国家灌溉排水委员会,中国灌溉排水发展中心,武汉大学,国家节水灌溉北京工程技术研究中心

节水灌溉

CSTPCD北大核心
影响因子：0.674
ISSN：1007-4929
年,卷(期)：2019.(5)
  • 1
  • 4
  • 19