首页|一种分组模式下的土壤重金属含量预测模型

一种分组模式下的土壤重金属含量预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统预测模型在土壤重金属含量预测上表现不佳问题,以土壤采样点数据集中的经度、纬度、高度以及农作物类型作为输入变量,建立一种基于分组教学优化算法的分组模式预测模型(GTOA-BP).对武汉新城区土壤采样数据进行仿真预测,将GTOA-BP模型与BP神经网络和径向基神经网络模型进行实验比较,结果表明:GTOA-BP的4种误差数据均低于其他两种模型.与BP神经网络相比,GTOA-BP的MAPE和SMAPE分别下降了9.97％和8.86％,与径向基神经网络相比,GTOA-BP的MAPE和SMAPE分别下降了6.24％和5.97％,说明该模型能降低神经网络训练的误差,提高预测精度.
A Prediction Model of Soil Heavy Metal Content Based on Grouping Mode

吕鑫涛、张聪、曹文琪

展开 >

武汉轻工大学数学与计算机学院,湖北武汉430023

分组教学优化算法 重金属含量预测 GTOA-BP 分组模型

612722782018ABA0992018A010382015CFA061

2021

10.11907/rjdk.202549

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(9)
  • 10