典型文献
基于RBF神经网络算法的农田土壤CO2排放评估
文献摘要：
基于RBF神经网络算法,建立农田土壤CO2排放预测模型,以解决农田土壤CO2排放预测较为困难的问题.将土壤含水量、温度、有机碳、铵态氮、硝态氮含量作为输入信号,玉米生长期内土壤CO2排放通量为输出信号,建立基于RBF神经网络算法的农田土壤CO2排放预测模型,并选择多元线性和非线性回归模型,对该预测模型的有效性进行评估.结果表明,5-46-1的RBF神经网络结构能够较好地预测农田土壤CO2排放,其CO2排放通量实测值为0.903(kg/m2),预测值为0.854(kg/m2);RBF神经网络预测模型的相关系数(R2=0.975)高于其他模型(线性和非线性回归模型),其均方误差(RMSE=0.091)、平均绝对误差(MAE=0.048)均低于其他模型.研究表明,RBF神经网络算法预测性能明显优于其他预测模型,且精度较高,能够较好地预测土壤CO2排放通量.
文献关键词：
RBF神经网络;预测模型;回归模型;CO2排放;农业信息化
中图分类号：
作者姓名：
杨文丽;燕振刚
作者机构：
甘肃农业大学信息科学技术学院,甘肃兰州730070
文献出处：
引用格式：
[1]杨文丽;燕振刚-.基于RBF神经网络算法的农田土壤CO2排放评估)[J].软件导刊,2022(11):7-11
A类：
B类：
RBF,神经网络算法,农田土壤,排放预测,土壤含水量,有机碳,铵态氮,硝态氮,氮含量,玉米生长期,排放通量,输出信号,非线性回归模型,神经网络结构,实测值,神经网络预测模型,均方误差,RMSE,平均绝对误差,MAE,算法预测,预测性能,农业信息化
AB值：
0.228314
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
