【技术实现步骤摘要】
一种林地土壤无机盐含量数据分析方法
[0001]本专利技术涉及大数据分析领域，具体为一种基于权重优化的粒子群优化算法和自组织特征映射神经网络的林地土壤无机盐含量数据分析方法。
技术介绍
[0002]土壤是地球生态圈重要的组成部分，土壤数据具有属性多、数据量大、非线性相关性、关系复杂和异常值的特点，因此，分析主要基于统计学方法。然而，由于土壤属性内在复杂的相关性，尽管利用传统的统计方法能够得到一些结论，但在土壤属性非线性相关研究和数据优化处理方面还存在一定的困难。由于影响因素多,土壤属性间关系复杂,因而有效的分析方法对于提取土壤属性内在相关性等信息,可视化多维土壤属性是必要的。基于这个目的,多种土壤研究的参数模型被提出，但是由于没有考虑土壤属性时空上的巨大差异性、输入参数和输出参数之间复杂的相关性以及土壤属性间的非线性相关性，大部分模型都难以给出可靠的可视化结论。利用自组织特征映射神经网络的可视化特点可对土壤数据进行多维分析，研究土壤各属性间的非线性关系。但是，该算法只是失真指数梯度的一种近似，训练网络所得结果并不会使失真指数...
【技术保护点】
【技术特征摘要】
1.一种基于权重优化的粒子群优化算法和自组织特征映射神经网络的林地土壤无机盐含量数据分析方法，改进的粒子群算法相比较于标准粒子群算法主要在于加入三角函数对惯性权重值和粒子速度更新策略两个方面进行优化，避免陷入局部最优值情况；通过建立基于粒子群优化的自组织特征映射神经网络，利用粒子群优化算法来优化自组织特征映射神经网络算法的权重分布，可以有效提高网络映射的准确度，降低网络的量化误差和拓扑误差，同时也降低了错聚率，其特征步骤如下：步骤1：初始化粒子群，根据输入向量选择c个作为初始网络权值，并组成一个...
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。