基于AMSR-E和BP神经网络的川中丘陵区土壤水分反演
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 前言 | 第10-20页 |
| ·立题背景 | 第10-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·遥感土壤水分反演研究 | 第11-13页 |
| ·被动微波遥感反演土壤水分 | 第13-15页 |
| ·BP神经网络应用研究进展 | 第15-17页 |
| ·国内外研究现状小结 | 第17页 |
| ·本研究内容、目的及意义 | 第17页 |
| ·研究区域概况 | 第17-19页 |
| ·技术方案 | 第19-20页 |
| ·技术路线 | 第19-20页 |
| ·试验方法 | 第20页 |
| 2 人工神经网络理论概述 | 第20-30页 |
| ·神经网络的基本理论 | 第20-21页 |
| ·神经网络的学习算法 | 第21-22页 |
| ·神经网络的特点 | 第22-23页 |
| ·神经网络的学习方法 | 第23-24页 |
| ·常见的神经网络模型及BP神经网络模型简介 | 第24-30页 |
| ·常见的神经网络模型 | 第24-25页 |
| ·BP神经网络模型简介 | 第25-30页 |
| 3 人工智能技术的MATLAB实现 | 第30-33页 |
| ·MATLAB软件介绍 | 第30-31页 |
| ·神经网络预测在MATLAB中的实现 | 第31-33页 |
| ·MATLAB的神经网络工具箱简介 | 第31-32页 |
| ·基于神经网络预测方法在MATLAB中的实现步骤 | 第32-33页 |
| 4 神经网络建模方法 | 第33-39页 |
| ·土壤水分反演建模步骤 | 第33-37页 |
| ·数据准备及预处理 | 第33-34页 |
| ·模型输入输出向量确定 | 第34-36页 |
| ·创建模型并设置相应参数 | 第36页 |
| ·训练模型 | 第36页 |
| ·测试和修改模型 | 第36-37页 |
| ·反演土壤水分精度评价方法 | 第37-38页 |
| ·输入因子组合优选 | 第38-39页 |
| 5 结果与分析 | 第39-64页 |
| ·BPNN1模型结果与分析 | 第39-52页 |
| ·BPNN1模型建模 | 第39-40页 |
| ·BPNN1模型精度分析 | 第40页 |
| ·BPNN1模型反演土壤水分时空验证 | 第40-52页 |
| ·BPNN2模型结果与分析 | 第52-63页 |
| ·BPNN2模型建模 | 第52页 |
| ·BPNN2模型精度分析 | 第52-53页 |
| ·BPNN2模型反演土壤水分时空验证 | 第53-63页 |
| ·基于马柱国指数验证BPNN模型 | 第63-64页 |
| 6 结论与讨论 | 第64-67页 |
| ·主要结论 | 第64-66页 |
| ·讨论与展望 | 第66-67页 |
| 参考文献 | 第67-75页 |
| 攻读硕士学位期间参加的科研项目 | 第75-76页 |
| 致谢 | 第76页 |
