The invention discloses a prediction method and system of saline-alkali land stability based on BP neural network, obtains the parameters of saline-alkali land stability analysis, preprocesses the parameters, normalizes the data obtained from the pretreatment, calculates the values of environmental impact factors, geographical influence factors and climatic influence factors affecting evaporation capacity, and weights the values of the three factors. The results are used as evaporation capacity of saline-alkali land; the structure of BP neural network is built; the evaporation capacity of saline-alkali land in the first four years is used as input value of BP neural network, and the evaporation capacity of saline-alkali land in the fifth year is used as output value of BP neural network to train BP neural network; the trained BP neural network is obtained; the saline-alkali land in the first four years to be predicted is used as input value of BP The evaporation capacity value is input into the trained BP neural network, and the evaporation capacity value of saline-alkali land in the year to be predicted is output to realize the prediction of saline-alkali land stability.
【技术实现步骤摘要】
基于BP神经网络的盐碱地稳定性预测方法及系统
本专利技术涉及盐碱地生态稳定性领域,特别是基于BP(Backpropagation)神经网络的盐碱地稳定性预测方法及系统。
技术介绍
生态系统稳定性是指生态系统受干扰后保持原有状态的能力。20世纪70年代以前,生态学家们一直认为,更高的物种多样性和营养关系复杂性会增加种群与系统的稳定性。Macarthur(1955)用Shannon-Weaver指数来描述营养水平多样性作为稳定性的度量。May(1971)等生态学家则认为,系统复杂性的增加将减弱系统的稳定性。彭少麟(1987)采用植物群落的年龄结构来分析森林群落稳定性。Pimm(1991)总结出了45种不同的生态系统稳定性含义。Volker(1997)认为稳定性不能直接定义,只能是通过其他的概念来表示。生态系统稳定性的一般内涵包括:(1)抵抗力(resistance),是指生态系统对外界干扰的抵抗力。生态系统在达到演替顶级后,能够自我更新和维持。当面对外来干扰时生态系统内部一定程度上能自我调节。(2)恢复力(resilience),是指生态系统在遭到外界干扰破坏以后恢复到原状的能力。(3)持久性(persistence)和变异性(variability),指生态系统的结构和功能长期保持在较高水平,受到自然或人为干扰后,功能和结构波动较小,很快能够重新平衡。傅伯杰(1998)认为适度的人为干扰对生态系统起到一定的积极作用。盛连喜(2002)在环境生态学中也提出适度的自然干扰是维持生态系统平衡和稳定的重要因子。目前对生态系统稳定性的认识尚存在许多异议,生态系统稳定性 ...
【技术保护点】
1.基于BP神经网络的盐碱地稳定性预测方法,其特征是,包括:步骤(1):获取盐碱地稳定性分析的参数量;步骤(2):对参数量进行预处理;步骤(3):对预处理得到的数据进行归一化处理;步骤(4):计算影响蒸发能力的三个因素值:环境影响因素值、地理影响因素值和气候影响因素值;步骤(5):将环境影响因素值、地理影响因素值和气候影响因素值进行加权求和,得到的结果作为盐碱地蒸发能力值;步骤(6):搭建BP神经网络结构;步骤(7):利用已知的前四年盐碱地蒸发能力值作为BP神经网络的输入值,将已知的第五年盐碱地蒸发能力值作为BP神经网络的输出值,对BP神经网络进行训练;得到训练好的BP神经网络;步骤(8):将待预测年份的前四年的盐碱地蒸发能力值作为输入值,输入到训练好的BP神经网络中,输出待预测年份的盐碱地的蒸发能力值,从而实现对盐碱地稳定性的预测。
【技术特征摘要】
1.基于BP神经网络的盐碱地稳定性预测方法,其特征是,包括:步骤(1):获取盐碱地稳定性分析的参数量;步骤(2):对参数量进行预处理;步骤(3):对预处理得到的数据进行归一化处理;步骤(4):计算影响蒸发能力的三个因素值:环境影响因素值、地理影响因素值和气候影响因素值;步骤(5):将环境影响因素值、地理影响因素值和气候影响因素值进行加权求和,得到的结果作为盐碱地蒸发能力值;步骤(6):搭建BP神经网络结构;步骤(7):利用已知的前四年盐碱地蒸发能力值作为BP神经网络的输入值,将已知的第五年盐碱地蒸发能力值作为BP神经网络的输出值,对BP神经网络进行训练;得到训练好的BP神经网络;步骤(8):将待预测年份的前四年的盐碱地蒸发能力值作为输入值,输入到训练好的BP神经网络中,输出待预测年份的盐碱地的蒸发能力值,从而实现对盐碱地稳定性的预测。2.如权利要求1所述的基于BP神经网络的盐碱地稳定性预测方法,其特征是,所述步骤(1)中:所述参数量,包括:盐碱地温度、盐碱地湿度、盐碱地风速、盐碱地日照时间长度、盐碱地海拔高度、盐碱地降水量和盐碱地蒸发量。3.如权利要求1所述的基于BP神经网络的盐碱地稳定性预测方法,其特征是,步骤(2)对参数量进行预处理得到:盐碱地的日平均温度值、盐碱地的日平均湿度值、盐碱地上方的日平均风速、盐碱地的日平均日照时间长度、盐碱地海拔高度、盐碱地日平均降水量和盐碱地日平均蒸发量。4.如权利要求1所述的基于BP神经网络的盐碱地稳定性预测方法,其特征是,所述步骤(4)的步骤为:对归一化处理后的盐碱地的日平均温度值和盐碱地的日平均湿度值加权求和,得到的结果作为环境影响因素值;将盐碱地海拔高度作为地理影响因素值;对归一化处理后的盐碱地上方的日平均风速、盐碱地的日平均日照时间长度、盐碱地日平均降水量和盐碱地日平均蒸发量作为气候影响因素值。5.如权利要求1所述的基于BP神经网络的盐碱地稳定性预测方法,其特征是,所述BP神经网络,包括:依次连接的输入层、隐含层和输出层;隐含层神经元数目为11个,使用newff函数创建前向神经网络;输入层与隐含层之间的神经元采用logsig传递函数,隐含层与输出层之间的神经元模型采用purelin函数,运用trainlm算法进行仿真预测;输入层、隐含层和输出层之间通过节点相连,节点的激励函数选取S型函数:其中,Q为调整激励函数形式的sigmoid参数;运用S型函数实现网络节点的激励。6.如权利要求1所述的基于BP神经网络的盐碱地稳定性预测方法,其特征是,BP神经...
【专利技术属性】
技术研发人员:王清华,杨玉建,仝雪芹,杜振宇,葛忠强,
申请(专利权)人:山东省林业科学研究院,山东省农业科学院科技信息研究所,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。