2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩112頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、土壤侵蝕不僅是地域問(wèn)題,而且是全球性的環(huán)境問(wèn)題,已引起廣泛的研究和關(guān)注。本文以鄂西北丹江庫(kù)區(qū)房縣和鄖西縣為研究對(duì)象,結(jié)合房縣和鄖西縣現(xiàn)有土壤侵蝕原始數(shù)據(jù),研究具有代表性的鄂西北山區(qū)丹江庫(kù)區(qū)徑流小區(qū)的坡面土壤侵蝕狀況。主要內(nèi)容:
   在綜述國(guó)內(nèi)外研究概況和研究方法的基礎(chǔ)上,結(jié)合鄂西北山區(qū)的相關(guān)徑流小區(qū)觀測(cè)數(shù)據(jù),引用關(guān)聯(lián)規(guī)則中的Apriori算法,首先對(duì)坡度、植被覆蓋度、土地利用類(lèi)型,植被對(duì)應(yīng)的措施等各種不同因子進(jìn)行量化,然后分別

2、實(shí)現(xiàn)在不同耕作方式、不同坡度、不同植被覆蓋度因子條件下,以及綜合因子影響下,他們對(duì)土壤侵蝕狀況的影響,然后綜合進(jìn)行影響因子與坡面土壤侵蝕之間的關(guān)聯(lián)規(guī)則分析,以算法的支持度與置信度為基礎(chǔ),實(shí)現(xiàn)各因子與土壤侵蝕狀況的重要性程度關(guān)聯(lián),進(jìn)而得到各因子與土壤侵蝕之間的重要性關(guān)系,得到研究區(qū)坡面徑流小區(qū)土壤侵蝕評(píng)價(jià)指標(biāo)體系。
   到目前為止國(guó)內(nèi)外已研究出多種土壤侵蝕評(píng)價(jià)模型,其中尤以美國(guó)的通用土壤流失方程(USLE)系列為代表,是最具有影

3、響力的土壤侵蝕評(píng)價(jià)統(tǒng)計(jì)模型之一。它是基于美國(guó)10000多個(gè)坡面小區(qū)近30年的觀測(cè)數(shù)據(jù)而得到的經(jīng)驗(yàn)統(tǒng)計(jì)模型,直到現(xiàn)在仍被世界土壤保護(hù)工作及水土流失相關(guān)部門(mén)和研究者廣泛采用。
   鑒于基于通用土壤侵蝕方程中的各個(gè)因子,正是基于關(guān)聯(lián)規(guī)則支持下坡面土壤侵蝕評(píng)價(jià)指標(biāo)體系中對(duì)土壤侵蝕影響較大的因子,因此該方程在研究區(qū)坡面土壤侵蝕分析中具有特別的適用性。本文首先介紹了通用土壤侵蝕方程的原型,詳細(xì)探討了研究區(qū)通用土壤侵蝕方程各個(gè)因子的計(jì)算方法

4、,并根據(jù)數(shù)據(jù)庫(kù)資料,推導(dǎo)出適合房縣的通用土壤侵蝕方程。根據(jù)推導(dǎo)的方程計(jì)算相關(guān)年份的土壤侵蝕量,并進(jìn)行誤差分析。試驗(yàn)結(jié)論表明該模型在研究區(qū)具有較好的效果和適用性。
   基于數(shù)據(jù)的機(jī)器學(xué)習(xí)問(wèn)題已經(jīng)成為目前許多行業(yè)應(yīng)用于研究的重點(diǎn)。支持向量機(jī)作為機(jī)器學(xué)習(xí)的一種,其研究的主要問(wèn)題是從一組觀測(cè)數(shù)據(jù)集的數(shù)據(jù)出發(fā),得到一些不能通過(guò)原理分析而得到的規(guī)律,進(jìn)而研究這些規(guī)律對(duì)未來(lái)的數(shù)據(jù)或者無(wú)法觀測(cè)的數(shù)據(jù)進(jìn)行預(yù)測(cè)和分析。本文介紹支持向量機(jī)和BP神經(jīng)

5、網(wǎng)絡(luò)的基本思想,將二者應(yīng)用到鄂西北山區(qū)土壤侵蝕預(yù)測(cè)中,選取的影響因子是研究區(qū)坡面土壤侵蝕評(píng)價(jià)指標(biāo)體系中對(duì)坡面土壤侵蝕影響最大的降雨量及相關(guān)因子。對(duì)研究區(qū)坡面土壤侵蝕狀況進(jìn)行評(píng)價(jià)并作誤差分析。結(jié)論表明基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)技術(shù)的研究區(qū)水土流失評(píng)價(jià),總體而言其預(yù)測(cè)結(jié)果比較理想,支持向量機(jī)極個(gè)別小區(qū)預(yù)測(cè)效果不太理想。究其原因,雖然SVM具有較高的泛化能力和計(jì)算效率,但SVM對(duì)樣本的要求比較高。這種預(yù)測(cè)結(jié)果的出現(xiàn),跟樣本的有限性及樣本的精確度

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論