基于GIS的森林资源神经网络动态预测理论与实践研究--以甘肃连城林场为例
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 1 引言 | 第10-13页 |
| ·森林资源预测研究的意义 | 第10页 |
| ·国内外森林资源预测现状和进展 | 第10-11页 |
| ·森林资源预测的基本思路 | 第11-13页 |
| 2 森林资源预测研究概述 | 第13-17页 |
| ·森林资源预测的传统方法 | 第13-14页 |
| ·森林资源预测的人工神经网络方法 | 第14-15页 |
| ·森林资源预测的GIS方法 | 第15页 |
| ·人工神经网络理论与GIS技术的结合 | 第15-17页 |
| 3 人工神经网络预测模型原理 | 第17-25页 |
| ·人工神经网络理论的发展、现状及应用领域 | 第17-18页 |
| ·人工神经网络理论的发展阶段 | 第17-18页 |
| ·人工神经网络技术的应用领域 | 第18页 |
| ·人工神经网络的特点 | 第18-19页 |
| ·人工神经网络的结构 | 第19-25页 |
| ·人工神经元模型 | 第19-21页 |
| ·人工神经网络的拓扑结构 | 第21-22页 |
| ·人工神经网络的学习过程及学习规则 | 第22-25页 |
| 4 基于GIS的森林资源神经网络动态预测理论 | 第25-38页 |
| ·森林资源的动态变化模式 | 第25页 |
| ·神经网络模型及其选择 | 第25-29页 |
| ·神经网络模型概述 | 第25页 |
| ·BP网络的结构 | 第25-26页 |
| ·BP网络的学习算法 | 第26-29页 |
| ·基于GIS的神经网络预测模型的建立 | 第29-34页 |
| ·GIS应用模型概述 | 第29页 |
| ·空间分析模型与GIS的集成 | 第29-30页 |
| ·GIS数据库 | 第30-32页 |
| ·基于GIS的神经网络预测模型 | 第32-34页 |
| ·网络输入数据的预处理 | 第34页 |
| ·多变量时间序列神经网络预测模型的建立及实现 | 第34-36页 |
| ·预测输入指标数据的确定 | 第34-35页 |
| ·BP网络的设计 | 第35页 |
| ·滚动预测方法的实现 | 第35-36页 |
| ·网络输出结果及预测分析 | 第36页 |
| ·单变量时间序列神经网络预测模型的建立与实现 | 第36-38页 |
| ·预测输入指标数据的确定 | 第36页 |
| ·BP网络的设计 | 第36-37页 |
| ·多步预测方法的实现 | 第37页 |
| ·网络输出结果及预测分析 | 第37-38页 |
| 5 实验区森林资源神经网络动态预测实践 | 第38-58页 |
| ·实验区的选择及其环境特征 | 第38-39页 |
| ·实验区森林资源现状评价 | 第39-40页 |
| ·现状结构 | 第39-40页 |
| ·动态变化 | 第40页 |
| ·实验区数据来源及精度分析 | 第40-41页 |
| ·森林蓄积量滚动预测分析 | 第41-50页 |
| ·网络训练 | 第41-46页 |
| ·网络精度检测 | 第46-47页 |
| ·网络预测 | 第47-48页 |
| ·预测结果分析 | 第48-50页 |
| ·森林蓄积量预测模型比较 | 第50-53页 |
| ·GM(1，1)模型基本原理 | 第50-51页 |
| ·红桦中龄林GM(1，1)预测模型 | 第51-52页 |
| ·神经网络滚动预测模型与GM(1，1)模型的比较 | 第52-53页 |
| ·有林地面积预测 | 第53-57页 |
| ·网络训练 | 第53-55页 |
| ·网络精度检测 | 第55-56页 |
| ·网络预测 | 第56页 |
| ·预测结果分析 | 第56-57页 |
| ·有林地面积预测模型比较 | 第57-58页 |
| ·有林地面积GM(1，1)预测模型的建立 | 第57页 |
| ·神经网络多步预测模型与GM(1，1)模型的比较 | 第57-58页 |
| 6 结论 | 第58-62页 |
| ·林业发展方向 | 第58页 |
| ·基于GIS的森林资源神经网络动态预测的特点 | 第58-59页 |
| ·基于GIS的森林资源神经网络动态预测存在问题 | 第59-62页 |
| ·BP网络存在的问题 | 第59-60页 |
| ·应用模型与GIS的集成问题 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 后记 | 第65页 |
