一种多因子融合的BP神经网络树木生长模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容与技术路线 | 第12-16页 |
| 1.3.1 研究目标与内容 | 第12-13页 |
| 1.3.2 研究技术路线 | 第13-14页 |
| 1.3.3 本文的组织结构 | 第14-16页 |
| 第2章 数据的获取与处理 | 第16-24页 |
| 2.1 研究区域概况 | 第16-17页 |
| 2.2 基础数据收集 | 第17-19页 |
| 2.2.1 固定样本地标志设立 | 第17页 |
| 2.2.2 地形数据搜集 | 第17-19页 |
| 2.3 数据处理 | 第19-20页 |
| 2.3.1 遥感数据预处理 | 第19页 |
| 2.3.2 波段比值与相关植被指数提取 | 第19-20页 |
| 2.4 环境因子分析与优化 | 第20-22页 |
| 2.4.1 皮尔逊相关系数 | 第21页 |
| 2.4.2 逐步回归法 | 第21-22页 |
| 2.4.3 岭迹分析法 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 树木生长模型构建 | 第24-37页 |
| 3.1 遗传算法 | 第24-25页 |
| 3.2 BP神经网络 | 第25-28页 |
| 3.2.1 BP神经网络结构 | 第26-27页 |
| 3.2.2 BP神经网络学习算法 | 第27-28页 |
| 3.3 影响因子与数据分析 | 第28-32页 |
| 3.3.1 主要影响因子 | 第28-29页 |
| 3.3.2 数据相关性分析 | 第29-32页 |
| 3.4 生长模型构建 | 第32-36页 |
| 3.4.1 遗传算法优化BP神经网络过程 | 第32-34页 |
| 3.4.2 林木生长模型构建 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 实验分析 | 第37-42页 |
| 4.1 遗传算法优化对比分析 | 第37-38页 |
| 4.2 相关系数选择因子对模型准确率的影响 | 第38-39页 |
| 4.3 林木生长模型准确性分析 | 第39-40页 |
| 4.4 对比分析 | 第40-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42-43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-50页 |
| 个人简介 | 第50-51页 |
| 致谢 | 第51页 |
