论文摘要
为表征植被覆盖变化过程中的非平稳征,利用人工神经网络模型研究了NDVI数据非平稳时间序列建模方法,并基于1982—2015年的GIMMS NDVI3g数据建立了青海省植被覆盖变化ANN非线性模型和ANNARMA组合模型。结果表明,组合模型较为光滑,能够凸显植被的总体变化趋势,且具有更高的模型精度;非线性ANN模型与观测值更为吻合,适宜于描述植被覆盖的细节变化。2016—2025年青海省3 000m以上地区植被覆盖有上升趋势,3 000m以下地区有下降趋势,且整体植被覆盖呈现上升趋势。
论文目录
文章来源
类型: 期刊论文
作者: 赵健赟,彭军还,宋芊,张波
关键词: 非平稳,建模,预测
来源: 遥感信息 2019年06期
年度: 2019
分类: 信息科技,基础科学
专业: 生物学,自动化技术
单位: 青海大学地质工程系,中国地质大学(北京)土地科学技术学院
基金: 青海省科技厅基金项目(2017-ZJ-744),教育部“春晖计划”科研基金项目(Z2016076)
分类号: Q948;TP183
页码: 12-17
总页数: 6
文件大小: 303K
下载量: 140
相关论文文献
- [1].储油罐液位时序数据模式发现[J]. 重庆大学学报 2020(03)
- [2].时序数据库发展研究[J]. 广东通信技术 2020(03)
- [3].基于时序数据库的工业大数据应用研究[J]. 重型机械 2020(04)
- [4].工业互联网中时序数据处理面临的新挑战[J]. 信息通信技术与政策 2019(05)
- [5].基于自相关函数的非平稳时序数据的辨识改进[J]. 微型机与应用 2016(13)
- [6].基于时序数据库的监控数据存储方法研究[J]. 电子元器件与信息技术 2020(01)
- [7].时序数据并行压缩速率改进技术研究[J]. 电子设计工程 2018(20)
- [8].基于时序数据的辽宁省环境库兹涅茨曲线实证分析[J]. 统计与咨询 2013(04)
- [9].基于统计特征的时序数据符号化算法[J]. 计算机学报 2008(10)
- [10].基于相关性分析的工业时序数据异常检测[J]. 软件学报 2020(03)
- [11].基于微局部特征的时序数据二分类算法[J]. 计算机系统应用 2019(11)
- [12].基于动态时间规整的时序数据相似连接[J]. 计算机学报 2018(08)
- [13].《时序数据挖掘与过程神经元网络》[J]. 全国新书目 2013(12)
- [14].多周期时序数据的傅氏级数拟合算法[J]. 计算机系统应用 2015(07)
- [15].时序数据曲线排齐的相关性分析方法[J]. 软件学报 2014(09)
- [16].路灯监控系统中时序数据流的异常值检测研究[J]. 微处理机 2018(06)
- [17].时序数据的动态有界符号化方法[J]. 控制与决策 2008(10)
- [18].基于GARCH模型下金融时序数据的影响点识别[J]. 统计与管理 2016(11)
- [19].小样本跳变水质时序数据预测方法[J]. 计算机应用 2010(02)
- [20].集思特思发布新一代时序数据产品TSM7[J]. 中国水利 2009(04)
- [21].一种平稳时序数据的高效辨识改进算法[J]. 微处理机 2019(01)
- [22].成品油零售价格变动对销售量影响研究——基于成品油价格时序数据挖掘分析[J]. 价格理论与实践 2019(10)
- [23].面向大规模网络安全态势分析的时序数据挖掘关键技术研究[J]. 信息化建设 2016(05)
- [24].一种新型时序数据库在大型配电网自动化系统数据中心中的应用[J]. 中国电业(技术版) 2014(07)
- [25].时序数据的矢量化符号方法[J]. 小型微型计算机系统 2008(12)
- [26].基于时序数据库的转移规则挖掘算法研究[J]. 计算机仿真 2008(06)
- [27].海量时间序列数据的相关探索[J]. 通信电源技术 2020(10)
- [28].基于时序数据库的分布式网络波动监控系统[J]. 中国传媒科技 2018(03)
- [29].基于自动分发多级分解TCN-BiLSTM-LightGBM家庭PV发电量预测[J]. 电子制作 2020(19)
- [30].非平稳时序数据的分段辨识及其递推算法[J]. 计算机系统应用 2017(05)