基于ALS-DBN的热带果树种植适宜度分析

基于ALS-DBN的热带果树种植适宜度分析

论文摘要

近年来随着我国人民生活水平的不断提高,人们对包括火龙果、莲雾和芒果等在内的热带水果需求量也逐步提升,从而使得我们热带水果的产业规模在迅速增长。然而近年频繁发生的极端天气,对热带果树生产造成了较大的损失。因此开展广西区域热带果树种植适宜度研究,对于减少果农和企业的灾害损失,优化广西热带水果产业布局和发展具有重大的意义。经过文献调研发现,目前国内的果树和农作物种植适宜度分析,主要通过数理统计的方法对种植适宜度进行区划。然而影响热带果树种植的相关环境信息复杂且繁多,且传统的数理统计方法存在难以表述复杂信息间的内在特征、自适应能力低下等问题,因此本文对基于深度置信网络的热带果树种植适宜度分析模型进行了研究。通过对深度置信网络(Deep Belief Network,DBN)模型的深入研究发现,在DBN模型训练过程中,若学习步长选择不当,容易导致训练速度缓慢或者梯度振荡等问题。针对该问题本文提出了一种ALS-DBN深度学习模型,ALS-DBN模型在原有的DBN模型中引入自适应学习步长算法(Adaptive Learning Step,ALS)和动量项。同时利用KEEL数据库的数据集和UCI数据库的数据集对ALS-DBN模型进行可靠性验证。实验结果表明ALS-DBN模型在收敛速度和分类准确率上有着良好的表现。最后在PyCharm平台上搭建了基于ALS-DBN的热带果树种植适宜度分析模型,通过实验分析ALS-DBN模型中训练参数对模型的影响,并确定了ALS-DBN模型的最佳神经网络结构。根据分布于广西各市县的50个气象观测站所收集到的4000多条实际气象和地理信息数据,基于已有的研究经验和与相关专家的讨论结果,选取了 12个影响热带果树适宜度分析的环境和气候因素作为关键指标,对基于ALS-DBN的热带果树种植适宜度分析模型进行仿真实验,实验结果表明,ALS-DBN模型在火龙果、莲雾和芒果的种植适宜度分析中拥有良好的表现。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 论文的研究背景与意义
  •   1.2 国内外研究现状
  •     1.2.1 热带果树种植适宜度研究现状
  •     1.2.2 深度学习研究现状
  •   1.3 论文的主要工作
  •   1.4 论文的组织结构
  • 第二章 深度学习基本原理及应用
  •   2.1 深度学习基本原理
  •     2.1.1 深度学习的基本结构
  •     2.1.2 深度学习算法
  •   2.2 受限波尔兹曼机
  •     2.2.1 受限波尔兹曼机的基本结构
  •     2.2.2 受限波尔兹曼机的训练算法
  •     2.2.3 对比散度算法
  •   2.3 误差反向传播神经网络
  •     2.3.1 BP神经网络的基本结构与主要思想
  •     2.3.2 BP神经网络的训练
  •   2.4 深度置信网络
  •     2.4.1 深度置信网络的基本结构
  •     2.4.2 深度置信网络的训练过程
  •   2.5 本章小结
  • 第三章 基于自适应步长算法改进的DBN模型
  •   3.1 DBN模型中的步长选择
  •   3.2 ALS-DBN模型
  •     3.2.1 自适应学习步长算法
  •     3.2.2 动量项
  •     3.2.3 ALS算法流程
  •     3.2.4 ALS-DBN
  •   3.3 ALS-DBN可靠性验证实验
  •     3.3.1 数据介绍
  •     3.3.2 数据规范化处理
  •     3.3.3 实验环境
  •     3.3.4 实验评价标准
  •     3.3.5 基于twonorm数据集的ALS-DBN模型可靠性验证实验
  •     3.3.6 基于HTRU2数据集的ALS-DBN模型可靠性验证实验
  •   3.4 ALS-DBN模型与其他深度学习算法的对比实验
  •   3.5 本章小结
  • 第四章 基于ALS-DBN热带果树种植适宜度分析
  •   4.1 实验环境和实验数据
  •     4.1.1 实验环境
  •     4.1.2 实验数据
  •     4.1.3 数据规范化处理
  •   4.2 ALS-DBN模型训练参数的设计
  •     4.2.1 输出层神经元
  •     4.2.2 神经网络深度
  •     4.2.3 输入层神经元
  •     4.2.4 隐藏层神经元
  •     4.2.5 学习步长
  •     4.2.6 ALS-DBN模型最佳神经网络结构
  •   4.3 基于ALS-DBN的热带果树种植适宜度分析模型
  •   4.4 实验结果及对比分析
  •   4.5 本章小结
  • 第五章 总结与展望
  •   5.1 总结
  •   5.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间发表论文情况
  • 攻读学位期间参与科研项目情况
  • 文章来源

    类型: 硕士论文

    作者: 庞奇华

    导师: 秦亮曦

    关键词: 热带果树,种植适宜度分析,自适应步长算法,深度置信网络

    来源: 广西大学

    年度: 2019

    分类: 基础科学,农业科技,信息科技

    专业: 数学,园艺,自动化技术

    单位: 广西大学

    分类号: S667;TP18;O212

    总页数: 62

    文件大小: 4285K

    下载量: 44

    相关论文文献

    • [1].酒泉市设施热带果树栽培现状及发展对策[J]. 农业工程技术 2018(31)
    • [2].中国热带农业科学院海口实验站组织专家到柬埔寨考察调研[J]. 世界热带农业信息 2019(10)
    • [3].察隅县冬季气候与热带果树引种适应性分析[J]. 热带农业科学 2019(03)
    • [4].植物内生菌在热带果树中的研究进展[J]. 现代园艺 2017(21)
    • [5].中国特色热带果树产业现状及发展对策[J]. 热带农业科学 2014(12)
    • [6].国家热带果树种质资源圃[J]. 植物遗传资源学报 2012(05)
    • [7].海南大学党委书记武耀廷到国家热带果树种质圃调研[J]. 世界热带农业信息 2019(01)
    • [8].辽宁省果树科学研究所热带果树课题组[J]. 北方果树 2020(04)
    • [9].辽宁省果树科学研究所热带果树课题组[J]. 北方果树 2020(05)
    • [10].辽宁省果树科学研究所热带果树课题组[J]. 北方果树 2019(06)
    • [11].热带果树叶子的抗氧化性评价[J]. 中国热带农业 2016(03)
    • [12].热带果树在园林绿化中的应用——以兴隆热带植物园为例[J]. 中国热带农业 2017(04)
    • [13].辽宁省果树科学研究所热带果树课题组[J]. 北方果树 2017(05)
    • [14].中国热带农业科学院品种资源研究所专家赴老挝指导中方企业发展热带果树产业[J]. 世界热带农业信息 2018(03)
    • [15].藏东南引种热带果树气候适应性分析[J]. 中国热带农业 2018(01)
    • [16].3种热带果树在北方观光果园设施栽培的表现[J]. 中国果树 2008(06)
    • [17].主要热带果树灾后复产措施[J]. 中国热带农业 2008(02)
    • [18].热带果树标准化和省力化栽培理论与技术创新研究团队简介[J]. 热带生物学报 2015(03)
    • [19].本期主题 荔枝栽培管理技术讲座[J]. 致富天地 2016(05)
    • [20].成年热带果树快速移栽技术[J]. 技术与市场 2013(10)
    • [21].海南省火龙果产业发展形势及其建议[J]. 中国南方果树 2015(05)
    • [22].人心果几种主要病虫害及其防治[J]. 现代园艺 2015(06)
    • [23].火龙果研究进展及北方引种可行性分析[J]. 中国农学通报 2020(25)
    • [24].发挥优势 突出特色 加快四川水果产业发展[J]. 中国果业信息 2009(05)
    • [25].辽宁省果树科学研究所热带果树课题组[J]. 北方果树 2018(04)
    • [26].热带果树星苹果引种表现与栽培技术[J]. 福建农业科技 2017(02)
    • [27].刚果(布)木薯生产与加工及热带果树种植技术海外培训班开班[J]. 世界热带农业信息 2019(11)
    • [28].基于GA-BP神经网络的热带果树种植适宜度分析[J]. 计算机应用 2019(S1)
    • [29].2018年刚果(布)木薯生产与加工及热带果树种植技术海外培训班开班[J]. 世界热带农业信息 2018(06)
    • [30].热带果树的盆栽利用[J]. 福建热作科技 2011(02)

    标签:;  ;  ;  ;  

    基于ALS-DBN的热带果树种植适宜度分析
    下载Doc文档

    猜你喜欢