基于多层感知器的GNSS-IR土壤湿度反演OA
为提高区域层面土壤湿度的估算速度和准确性,提出一种基于多层感知器(MLP)神经网络的土壤湿度预测模型,并与径向基(RBF)及反向传播(BP)神经网络预测模型进行对比。该方法将振幅与相位作为输入因子,以PBO H_(2)O的土壤湿度值作为学习目标,通过神经网络模型进行迭代训练从而得到土壤湿度预测值。结果表明:3种模型在可靠性、预测精度方面均可满足应用要求,而MLP神经网络模型相比于RBF、BP神经网络模型,均方根误差分别降低了12.2%和17.1%,决定系数为0.919,具有更高的并行性和容错性,与实测数据吻合度更高,表明本文方法采用MLP神经网络对GNSS-IR土壤湿度进行反演是可行有效的,在一定程度上提高了土壤湿度反演的精度。
郑明明;刘立龙;吴昊舰;张卫平;李信强;曾印
桂林理工大学测绘地理信息学院,广西桂林541006 南京机电职业技术学院电子工程系,南京211306桂林理工大学测绘地理信息学院,广西桂林541006 桂林理工大学广西空间信息与测绘重点实验室,广西桂林541006桂林理工大学测绘地理信息学院,广西桂林541006桂林理工大学测绘地理信息学院,广西桂林541006桂林理工大学测绘地理信息学院,广西桂林541006桂林理工大学测绘地理信息学院,广西桂林541006
天文与地球科学
土壤湿度GNSS-IR多层感知器信噪比反演模型
《桂林理工大学学报》 2026 (1)
P.71-76,6
国家自然科学基金项目(4166400242064002)广西科技计划项目(2018GXNSFAA294045)。
评论