2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67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、土壤不僅是人類賴以生存的物質(zhì)基礎和寶貴財富的源泉,又是人類最早開發(fā)利用的生產(chǎn)資料,同時,土壤還維持著地球上多種生命的生息繁衍。要充分利用土壤資源,服務于農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境改善、耕地保護等各種與土壤資源密切相關領域,則必須了解土壤資源的性質(zhì)、數(shù)量以及空間分布情況。隨著科技的進步,人們對土壤的認識程度更加深刻,同時已經(jīng)漸漸不在滿足于以分類形式展現(xiàn)的土壤信息。只有更高精度的土壤信息才能滿足現(xiàn)代精細農(nóng)業(yè)、環(huán)境保護等領域的要求。
   為

2、實現(xiàn)這一目標,土壤學家提出并發(fā)展了眾多預測模型,希望借助數(shù)字地形分析技術、3S技術、計算機技術等提高土壤信息預測的精度、加快更新速度、降低所需成本。如經(jīng)典統(tǒng)計學方法、地統(tǒng)計學方法、機器學習方法等,越來越多以及越來越復雜的數(shù)學方法被應用于土壤信息獲取。支持向量機(Support vector machine,SVM)是機器學習方法中的一種,避免了神經(jīng)網(wǎng)絡網(wǎng)絡結構難于確定、過學習或欠學習以及容易陷入局部最優(yōu)等缺點,具有較強的泛化能力。

3、>   目前,將支持向量機應用于土壤信息獲取的研究主要集中于土壤分類以及土壤水相關研究,對于土壤養(yǎng)分的預測制圖研究較少,本文將研究區(qū)設定在重慶市江津區(qū)永興鎮(zhèn),面積約2平方公里,以高程、地形濕度指數(shù)、相對位置指數(shù)、坡長4種地形因子為輸入變量,探討支持向量機在有機質(zhì)、堿解氮、有效磷、速效鉀及中微量元素有效銅、有效鐵、有效錳等7種土壤養(yǎng)分制圖方面的適用性。主要結論如下:
   (1)對研究區(qū)7種土壤養(yǎng)分進行統(tǒng)計描述分析:其中,有效鐵

4、具有強變異性,有機質(zhì)、堿解氮、有效磷、速效鉀、有效銅、有效錳均為中等變異性;整體變異性由大到小順序為:有效鐵>有效銅>有效磷>有效錳>速效鉀>堿解氮>有機質(zhì)。
   (2)地形在土壤形成過程中,通過對物質(zhì)與能量的再分配起間接作用。地形的變化能夠引起其他成土因素的變化從而影響土壤的形成和分布。研究區(qū)土壤養(yǎng)分除有效磷外均與地形因子之間存在顯著相關性。
   (3)將采集的265個土壤樣本隨機分為訓練集(樣本數(shù)為165個)和測

5、試集(樣本數(shù)為100個),使用訓練集用于支持向量機模型擬合,使用測試集對擬合模型進行精度驗證。對于每種土壤養(yǎng)分,使用訓練集分別建立不同地形因子組合的支持向量機模型,其中單個地形因子的模型4種,雙地形因子組合的模型6種,三地形因子組合的模型4種,最后建立使用全部四種地形因子的模型,即共建立15種模型。通過比較15種模型在測試集上的精度得到研究區(qū)土壤養(yǎng)分制圖的最佳SVM模型。按照有機質(zhì)、堿解氮、有效磷、速效鉀、有效銅、有效鐵、有效錳的順序,

6、所選擇的最佳地形因子組合分別為:(地形濕度指數(shù),相對位置指數(shù))、(高程,地形濕度指數(shù),相對位置指數(shù))、(地形濕度指數(shù),相對位置指數(shù),坡長)、(高程,地形濕度指數(shù))、(高程,地形濕度指數(shù),相對位置指數(shù))、(地形濕度指數(shù),相對位置指數(shù))、(高程,地形濕度指數(shù),相對位置指數(shù))。
   在選出的最優(yōu)模型中,地形濕度指數(shù)出現(xiàn)頻率最高,表明地形濕度指數(shù)在4種地形因子中對土壤養(yǎng)分分布影響最大。對比每種土壤養(yǎng)分的SVM預測模型,為4種地形因子按

7、照影響程度排序如下:地形濕度指數(shù)>相對位置指數(shù)>高程>坡長。
   (4)在回歸克里格的基礎上,提出使用支持向量機代替多元線性回歸,用以擬合土壤屬性與環(huán)境因子間的非線性關系,得到支持向量回歸克里格法。在選取最優(yōu)地形因子組合下土壤養(yǎng)分的SVM模型后,利用同樣的地形因子組合建立普通克里格、多元線性回歸、回歸克里格以及支持向量回歸克里格模型,在測試集上檢驗了幾種模型的精度。結果表明,支持向量機在土壤養(yǎng)分制圖方面能夠擬合地形因子與土壤養(yǎng)

8、分之間的非線性關系,得到比多元線性回歸更高的精度,且適用范圍更廣泛。同時,應用SVM替換回歸克里格流程中常用的多元線性回歸后,部分養(yǎng)分的預測精度得到進一步提升,在研究區(qū)多種養(yǎng)分的分布預測中可作為最佳預測方法。
   綜上所述,本文通過建立支持向量機模型,并與多種常見模型進行比較,肯定了支持向量機在土壤養(yǎng)分預測性制圖研究的可行性及優(yōu)越性,為支持向量機在土壤養(yǎng)分預測性制圖提供了新的案例支持,為更準確迅速的獲取土壤養(yǎng)分分布狀況提供了合

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