排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
基于现场实验数据集及人工神经网络技术,论文提出了一种从海中粒子吸收光谱提取浮游植物吸收光谱的方法。这个数据集包含了海中粒子吸收光谱和对应的浮游植物吸收光谱,并被分为三个子集:训练集、印证集和试验集。本研究所利用的人工神经网络系统为多层感知器,训练后的人工神经网络的性能由印证集和试验集来评价。实验结果表明,文中所提出的方法可成功地提取浮游植物的吸收光谱,其提取精度与传统的实验方法相当。 相似文献
2.
针对多变量、强耦合、纯迟延系统,提出一种模糊神经网络的解耦方法,结合遗传算法、将多变量系统解耦成单变量系统。传统解耦方法对于非线性系统、变结构系统以及耦合关系和耦合强度随时间和负载变化的复杂系统经常无能为力,而这种综合了模糊逻辑和神经网络优势的解耦方法,由于具有非线性和自学习能力,使其解耦性能不受影响,弥补了传统解耦方法的缺陷,对复杂系统有着较好的解耦能力。且该方法不需要建立精确的数学模型,易于实现。文章最后通过仿真实验验证了该模型的解耦效果。 相似文献
3.
为揭示科尔沁沙地不同林龄沙地樟子松人工林对风沙土粒径分布特征的影响,以中龄、近熟和成熟沙地樟子松人工林风沙土为研究对象,以裸沙地风沙土为实验对照,采用激光衍射技术测定土壤样品粒度组成,计算分析土壤粒度参数特征,绘制土壤粒配曲线。结果显示:(1)科尔沁沙地樟子松人工林风沙土以砂粒为主,其次是粉粒,黏粒含量最少。随林龄的增长,土壤黏粒、粉粒含量呈增加趋势,砂粒含量呈减少趋势。裸沙地风沙土砂粒含量多高于同层林地土壤。(2)科尔沁沙地樟子松人工林风沙土质地较粗,分选性较差,偏度值多为正偏度,峰度值多为尖窄,0~10 cm和10~20 cm风沙土分形维数分别为2.18~2.43和1.98~2.17。裸沙地风沙土质地更粗,分选性更好,分形维数更小。(3)科尔沁沙地樟子松人工林风沙土的粒度频率分布曲线均为双峰型。随林龄的增长,10~20 cm风沙土的土壤颗粒细化滞后于0~10 cm。林地悬移组分的含量高于裸沙地,裸沙地跃移组分的分选性高于林地。科尔沁沙地不同樟子松人工林风沙土粒径分布特征存在显著差异,本研究结果可为科尔沁沙地土地沙漠化防治及生态修复提供理论依据。 相似文献
4.
1