10.16258/j.cnki.1674-5906.2015.12.008
基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究
群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试.Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测.以腾格里沙漠东缘荒漠为试验区,以啮齿动物数量为研究对象,采用标志重捕法,逐月监测2006-2014年每年的4-10月捕获量,建立Elman神经网络预测模型,利用2006-2013年的捕获量建立训练网络,以2014年的数据进行验证与测试,比较3种数据处理方法建立预测模型后的平均误差和拟合度,确立最优模型,预测阿拉善荒漠啮齿动物组成物种数量动态.结果表明:(1)未经归一化处理预测结果的平均误差mse为5.30,最小误差1.52%,拟合度为0.80;(2)经[0,1]归一化处理的预测结果平均误差mse为4.51,最小误差1.54%,拟合度为0.82;(3)经[-1,1]归一化处理预测结果的平均误差mse为5.03,最小误差1.63%,拟合度为0.69;(4)3种归一化处理后Elman神经网络模型差异不显著.通过平均误差和拟合度的比较,文章认为采用[0,l]归一化建立的Elman神经网络能较好的预测荒漠啮齿动物数量的变化规律,应用该网络可以预测阿拉善荒漠啮齿动物组成物种数量变化趋势,对指导当地鼠情监控和防治具有重要意义.
Elman神经网络、阿拉善荒漠、啮齿动物、标志重捕法
24
S714.6;X171.1(林业基础科学)
国家自然科学基金资助项目30760044,31160096;公益性行业科研专项经费项目201203041
2016-04-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
1976-1982