林下參種植光環(huán)境的動(dòng)態(tài)預(yù)測(cè)與評(píng)價(jià)
本書以林下參光環(huán)境為研究對(duì)象,在前期研究成果基礎(chǔ)上,提出一種非線性快速傅里葉分解算法來解決光環(huán)境實(shí)測(cè)信號(hào)的*干擾噪聲,同時(shí)運(yùn)用機(jī)器學(xué)習(xí)和模式識(shí)別理論,構(gòu)建了基于偏*小二乘回歸算法(PLS)的凈光合速率分析模型和基于適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)方法(ANFIS)的凈光合速率預(yù)測(cè)模型,并通過對(duì)有代表性的試驗(yàn)樣地進(jìn)行了的數(shù)據(jù)采樣,驗(yàn)證了所建模型的有效性和可行性,進(jìn)而利用自主設(shè)計(jì)的自適應(yīng)數(shù)據(jù)處理算法,設(shè)計(jì)了開發(fā)林下
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.2 研究現(xiàn)狀分析 3
1.2.1 光環(huán)境研究現(xiàn)狀 3
1.2.2 試驗(yàn)數(shù)據(jù)的挖掘及處理 4
1.3 本書研究目標(biāo)和研究?jī)?nèi)容 6
1.3.1 研究目標(biāo) 6
1.3.2 研究?jī)?nèi)容 6
第2章 面向自適應(yīng)數(shù)據(jù)處理的非線性Fourier分析方法 8
2.1 引言 8
2.2 理論基礎(chǔ) 9
2.3 非線性Fourier展開 10
2.4 快速稀疏非線性Fourier展開 14
2.5 算法與算例 18
2.5.1 算法 18
2.5.2 算例 20
2.5.3 算法應(yīng)用 22
第3章 基于機(jī)器學(xué)習(xí)的模式識(shí)別理論 25
3.1 引言 25
3.2 模式識(shí)別理論基礎(chǔ) 25
3.2.1 模式識(shí)別概述 25
3.2.2 模型預(yù)測(cè)方法 26
3.3 機(jī)器學(xué)習(xí)及常用算法 27
3.3.1 機(jī)器學(xué)習(xí)的理論基礎(chǔ) 27
3.3.2 偏最小二乘算法 30
3.4 智能算法及常見算法 33
3.4.1 智能算法 33
3.4.2 自適應(yīng)神經(jīng)模糊推理方法 34
第4章 林下參種植光環(huán)境動(dòng)態(tài)預(yù)測(cè)模型研究 39
4.1 引言 39
4.2 試驗(yàn)地點(diǎn)與試驗(yàn)方法 39
4.2.1 試驗(yàn)地點(diǎn) 39
4.2.2 試驗(yàn)方法及儀器設(shè)備 40
4.3 紅松的樹木生長(zhǎng)模型研究 40
4.3.1 紅松冠幅生長(zhǎng)預(yù)估模型 40
4.3.2 紅松冠長(zhǎng)生長(zhǎng)預(yù)估模型 45
4.3.3 紅松單木基本樹高預(yù)估模型 48
4.4 林下參凈光合速率預(yù)測(cè)模型研究 49
4.4.1 基于PLS的凈光合速率預(yù)測(cè)模型 52
4.4.2 基于ANFIS的凈光合速率預(yù)測(cè)模型 67
4.5 模型的檢驗(yàn) 72
第5章 林下參種植光環(huán)境敢據(jù)采集系統(tǒng) 72
5.1 引言 72
5.2 系統(tǒng)的軟件體系 72
5.3 系統(tǒng)的硬件架構(gòu) 78
第6章 林下參種植光環(huán)境預(yù)測(cè)及評(píng)價(jià)方法研究 87
6.1 引言 87
6.2 林下參種植光環(huán)境預(yù)測(cè)與評(píng)價(jià)方法 87
6.2.1 林下參種植光環(huán)境的預(yù)測(cè) 87
6.2.2 林下參種植光環(huán)境的評(píng)價(jià) 88
6.2.3 基于模糊推理系統(tǒng)的光環(huán)境綜合評(píng)價(jià)模型 88
6.3 林下參種植光環(huán)境預(yù)測(cè)與評(píng)價(jià)系統(tǒng)體系結(jié)構(gòu) 100
6.3.1 預(yù)測(cè)模塊 101
6.3.2 評(píng)價(jià)摸塊 101
6.3.3 幫助模塊 114
第7章 總結(jié) 115
參考文獻(xiàn) 116