本文關鍵詞：深度信任支持向量回歸的耕地面積預測方法

  更多相關文章： 深度信任網絡 支持向量回歸 耕地面積預測 深度學習

【摘要】：針對目前淺層機器學習預測方法所需學習和訓練的樣本過大及擬合復雜數(shù)據(jù)能力弱等不足,提出一種基于深度學習思想的深度信任支持向量回歸(support vector regression,SVR)的耕地面積預測方法.首先,搭建由1層高斯分布函數(shù)顯層節(jié)點的RBM、多層隱層RBM和1層支持向量回歸機構成的深度信任支持向量回歸預測模型;其次,選取較為合適和易得的訓練數(shù)據(jù),通過樣本訓練和測試確定預測模型的具體結構參數(shù);最后,通過實驗將深度信任支持向量回歸耕地面積預測方法與其他典型的耕地面積預測算法相比較.結果表明,提出的耕地面積預測方法可行、有效,在相同的數(shù)據(jù)和平臺下,其預測精度高于其他具有代表性的耕地面積預測算法.
【作者單位】： 福建工程學院交通運輸學院;華南理工大學土木與交通學院;
【關鍵詞】： 深度信任網絡 支持向量回歸 耕地面積預測 深度學習
【基金】：國家自然科學基金資助項目(51278072) 福建省自然科學基金資助項目(2015J05118) 福建省中青年教師教育科研項目(JA15355)
【分類號】：F323.211;TP181
【正文快照】： 0引言隨著我國國民經濟和城市化、城鎮(zhèn)化發(fā)展進程的不斷加快,人地矛盾日益凸顯.耕地面積的有效保護關系食品供應及食品安全等諸多問題,而如何科學、準確、有效地預測未來年耕地保有量,則是保護耕地面積合理化的基礎和保障,具有十分重要的現(xiàn)實意義.目前,常見的耕地預測模型及算

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 靳江偉;董春芳;馮國紅;;基于灰色關聯(lián)支持向量機的混凝土抗壓強度預測[J];鄭州大學學報(理學版);2015年03期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 朱偉;石超峰;李楠;;基于遺傳算法優(yōu)化支持向量機的再生混凝土抗壓強度預測模型[J];中外公路;2014年01期

2 林耀進;周忠眉;吳順祥;;集成灰色支持向量機預測模型研究與應用[J];計算機應用;2009年12期

3 徐國強;蘇幼坡;韓佃利;張靜;;基于BP神經網絡的綠色混凝土抗壓強度預測模型[J];混凝土;2013年02期

4 張浩然,韓正之,李昌剛;基于支持向量機的非線性模型預測控制[J];系統(tǒng)工程與電子技術;2003年03期

5 張純禹,李啟令;粉煤灰混凝土強度的優(yōu)化設計[J];鄭州大學學報(理學版);2002年04期

6 馮冬青;楊書顯;;氧樂果合成過程的PSO-回歸BP網絡建模方法[J];鄭州大學學報(理學版);2011年03期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃大文;棉鈴蟲發(fā)生期和發(fā)生數(shù)量預測方法的商榷[J];新疆農業(yè)科學;1962年03期

2 傅澤田;張締慶;;家庭聯(lián)產承包責任制條件下農戶對農機的需求的分析和預測方法[J];北京農業(yè)機械化學院學報;1985年04期

3 金順發(fā);張國強;;蔬菜上市量兩種預測方法的研究[J];上海蔬菜;1987年03期

4 劉春海;佟鳳奇;崔濤;;糧食價格預測方法探討[J];農業(yè)發(fā)展與金融;2007年06期

5 王維新;林燕燕;;兩種有效的預測方法理論分析及實踐[J];農機化研究;2006年04期

6 董肇君;;第六講 林業(yè)系統(tǒng)常用預測方法[J];林業(yè)經濟;1987年04期

7 葛文華;魏懷方;;養(yǎng)羊業(yè)加工產品的銷售預測方法[J];甘肅畜牧獸醫(yī);1989年04期

8 肖愛玲;王福林;;拖拉機經濟壽命主要運用指標預測方法的探討[J];農機化研究;2006年03期

9 GaryW·Krutz,張寶貴;拖拉機銷售額的預測方法[J];國外拖拉機;1982年10期

10 劉威;國外現(xiàn)金預測方法(四)[J];中國農業(yè)會計;1992年04期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 羅煒;;運輸需求的一種間接預測方法——兼論預測的本質[A];管理科學與系統(tǒng)科學進展——全國青年管理科學與系統(tǒng)科學論文集（第4卷）[C];1997年

2 魯守棟;孫晉海;;體育系統(tǒng)預測研究的現(xiàn)狀分析及對策研究[A];第七屆全國體育科學大會論文摘要匯編（一）[C];2004年

3 肖翠翠;楊姝影;;環(huán)境規(guī)劃中的預測方法與技術[A];2010中國環(huán)境科學學會學術年會論文集(第二卷)[C];2010年

4 鮑蕊;魏英魁;張建宇;費斌軍;;基于概率斷裂力學的多部位損傷發(fā)生概率預測方法[A];第十五屆全國疲勞與斷裂學術會議摘要及論文集[C];2010年

5 劉斌;張榮;劉思峰;黨耀國;;PMVF綜合集成預測方法及應用示例[A];2006年灰色系統(tǒng)理論及其應用學術會議論文集[C];2006年

6 韓渭賓;易桂喜;辛華;;四川省地震年度活動水平的初步研究[A];中國地震學會第七次學術大會論文摘要集[C];1998年

7 馬先海;;用地預測的基本方法探討[A];中國土地問題研究——中國土地學會第三次會員代表大會暨慶祝學會成立十周年學術討論會論文集[C];1990年

8 ;年際增量的預測方法在北大西洋颶風頻次的季節(jié)預測(英文)[A];第28屆中國氣象學會年會——S5氣候預測新方法和新技術[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 楊鋼作坊 言寺;簡單一點好[N];現(xiàn)代物流報;2007年

2 辛和;北京科技新星課題通過專家鑒定[N];中國建設報;2009年

3 王志剛（作者單位 甘肅省電力公司武威供電公司）;預測是抓好預算的關鍵[N];甘肅經濟日報;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李偉花;考慮時空分布特性的區(qū)域風電功率預測方法[D];華北電力大學;2015年

2 張克娜;基于擬線性回歸的復合預測方法及其應用[D];河北科技大學;2013年

3 馮莉;多種預測方法在我國對外貿易預測中的應用研究[D];武漢理工大學;2007年

4 池可;服裝銷售預測方法及RBF神經網絡模型研究[D];蘇州大學;2009年

5 符俊嶺;具有主客觀信息集成特征的經濟預測方法及其應用[D];東北大學;2009年

6 張飛飛;云資源管理中預測方法的研究與實現(xiàn)[D];復旦大學;2013年

7 陳實;貨運量預測方法及應用研究[D];武漢理工大學;2008年

8 李夢;基于優(yōu)化算法的物流預測方法與應用研究[D];北京化工大學;2014年

9 沈e，

本文編號：614117