投影尋蹤模型及其在水土資源中的應用.pdf_第1頁
已閱讀1頁,還剩133頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、通過對傳統(tǒng)投影尋蹤技術的分析,本文提出了多種改進的投影尋蹤新技術,由于水土資源存在高維、非線性、實測數(shù)據(jù)信息不完整等特征,本文建立了投影尋蹤在綜合評價和預測等方面的新模型,較好地解決了水土資源中的多元復雜性問題。 本文取得了以下三方面的創(chuàng)新成果: 1.本文用基于實數(shù)編碼的加速遺傳算法給出了投影尋蹤方法中優(yōu)化投影方向的新算法,新算法簡化了傳統(tǒng)投影尋蹤模型技術中復雜程序的實現(xiàn)過程,更有利于投影尋蹤技術的推廣應用。 2

2、.在水土資源分類和綜合評價中,根據(jù)評價樣本自身的結構特性或一定的評價標準的結構特性,本文建立了基于多種投影指標函數(shù)的投影尋蹤聚類模型,當采用標準差和局部密度來構造投影指標函數(shù)時,推導得出了投影尋蹤聚類模型中唯一的參數(shù)——密度窗寬的計算的經(jīng)驗公式;針對評價樣本指標間存在多重相關性問題,本文建立了投影尋蹤主成分分析。 3.在水資源預測中,根據(jù)預測對象與預測因子間相互作用關系,本文建立了投影尋蹤回歸模型、投影尋蹤門限回歸模型、基于神經(jīng)

3、網(wǎng)絡的投影尋蹤耦合模型、基于偏最小二乘回歸的投影尋蹤耦合模型和基于偏最小二乘回歸的神經(jīng)網(wǎng)絡投影尋蹤耦合模型。根據(jù)預測對象自身的結構特性,本文建立了投影尋蹤自回歸模型和基于神經(jīng)網(wǎng)絡的投影尋蹤自回歸耦合模型。各預測模型能從不同角度解決了水資源預測中的高維復雜性問題,開闊了建立水資源預測模型的新思路。 綜上所述,投影尋蹤體現(xiàn)了辨證法中的主要矛盾的思想,本文將其用于水土資源的多元復雜性研究,取得滿意結果,為解決當前某些實際問題提供新技術

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論