PCA-RBF网络预测模型在水质信息预测中的应用

摘要：

在分析RBF神经网络预测算法和主成分分析方法的基础上,本文针对地理空间数据的复杂相关性和较强非线性,深入研究了主成分分析与RBF神经网络结合原理,构建了PCA-RBF网络预测模型,最后将预测模型应用于水质信息预测中.实验结果表明:该模型对海量的高维异构数据可进行有效降维,从而优化RBF神经网络结构,有效地提高了地理空间数据预测时的精度,并为GIS领域地理空间数据的预测提供了一种新思路.

关键词：地理空间数据、主成分分析、RBF神经网络、水质预测

所属期刊栏目：40

分类号：P209(一般性问题)

资助基金：国家自然科学基金项目41461085;广西自然科学基金重点项目2014GXNSFDA118032;广西空间信息与测绘重点实验室主任基金151400704

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：106-108,113