论文部分内容阅读
碳通量同生态因素之间具有复杂的非线性关系，可以通过生态因素预测碳通量。为提高网络的训练速度和预测精度，针对碳通量数据高维、多样本、非线性、超平面奇异的特点，提出了一种改进的自适应脊波网络预测模型，采用高斯牛顿法调整激励函数的参数，运用矩阵分块法和伪逆矩阵计算脊波网络的权值和阈值。通过实验，比较了改进自适应脊波网络、自适应脊波网络和小波网络的训练收敛速度、隐含层节点个数和预测精度。实验结果表明，提出的预测模型预测精度更高，网络结构更稀疏，训练收敛速度更快。