呼倫貝爾智慧草原關(guān)鍵技術(shù)及應(yīng)用

定　價(jià)：￥30.00

作　者：	吳淘鎖
出版社：	中國(guó)農(nóng)業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787109293144	出版時(shí)間：	2022-08-01	包裝：	平裝
開(kāi)本：		頁(yè)數(shù)：	121	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書以動(dòng)態(tài)草畜平衡系統(tǒng)為例，通過(guò)對(duì)衛(wèi)星傳感器獲取的歸一化植被指數(shù)（NDVI）數(shù)據(jù)與地面氣象傳感器產(chǎn)生的降水量數(shù)據(jù)進(jìn)行協(xié)同處理與分析，預(yù)測(cè)未來(lái)年份NDVI的時(shí)空數(shù)據(jù)，進(jìn)而對(duì)研究區(qū)域的草產(chǎn)量與理論載畜量進(jìn)行時(shí)空預(yù)測(cè)，實(shí)現(xiàn)未來(lái)年份牲畜種類、數(shù)量的時(shí)空優(yōu)化配置，終實(shí)現(xiàn)一種基于物聯(lián)網(wǎng)的動(dòng)態(tài)草畜平衡系統(tǒng)功能，即實(shí)現(xiàn)智慧草原。本書基于多種神經(jīng)網(wǎng)絡(luò)方法的多源異構(gòu)數(shù)據(jù)協(xié)同理論和方法研究，具有重要的理論和應(yīng)用意義。

作者簡(jiǎn)介

暫缺《呼倫貝爾智慧草原關(guān)鍵技術(shù)及應(yīng)用》作者簡(jiǎn)介

圖書目錄

前言
1 緒論
1.1 研究背景
1.2 研究需求和意義
1.3 外研究現(xiàn)狀
1.3.1 多源異構(gòu)數(shù)據(jù)協(xié)同研究
1.3.2 草畜平衡研究
1.4 研究?jī)?nèi)容及主要貢獻(xiàn)
1.5 本書結(jié)構(gòu)安排
1.6 小結(jié)
2 基于物聯(lián)網(wǎng)的動(dòng)態(tài)草畜平衡系統(tǒng)及其關(guān)鍵技術(shù)
2.1 研究區(qū)域概況
2.2 多源異構(gòu)數(shù)據(jù)介紹
2.2.1 氣象傳感數(shù)據(jù)
2.2.2 衛(wèi)星遙感數(shù)據(jù)NDVI
2.2.3 關(guān)鍵氣象傳感數(shù)據(jù)的確定
2.3 草畜平衡概述
2.4 草畜平衡系統(tǒng)
2.5 動(dòng)態(tài)草畜平衡系統(tǒng)及其關(guān)鍵技術(shù)
2.5.1 動(dòng)態(tài)草畜平衡系統(tǒng)
2.5.2 動(dòng)態(tài)草畜平衡系統(tǒng)的關(guān)鍵技術(shù)
2.6 小結(jié)
3 基于神經(jīng)網(wǎng)絡(luò)的降水量時(shí)間數(shù)據(jù)自回歸預(yù)測(cè)模型
3.1 人工神經(jīng)網(wǎng)絡(luò)模型概述
3.1.1 人工神經(jīng)網(wǎng)絡(luò)的定義
3.1.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展概述
3.1.3 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.1.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式
3.1.5 靜態(tài)與動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)
3.2 基于BPNN的降水量自回歸預(yù)測(cè)模型
3.2.1 BPNN的建模方法
3.2.2 基于BPNN的降水量自回歸預(yù)測(cè)建模及結(jié)果分析
3.3 基于TDNN的降水量自回歸預(yù)測(cè)模型
3.3.1 TDNN的建模方法
3.3.2 基于TDNN的降水量自回歸預(yù)測(cè)建模及結(jié)果分析
3.4 基于NARX的降水量自回歸預(yù)測(cè)模型
3.4.1 NARX的建模方法
3.4.2 基于NARX的降水量自回歸預(yù)測(cè)建模及結(jié)果分析
3.5 三種用于降水量自回歸預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型比較
3.6 小結(jié)
4 基于神經(jīng)網(wǎng)絡(luò)的多源異構(gòu)時(shí)間數(shù)據(jù)協(xié)同模型
4.1 基于神經(jīng)網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)協(xié)同方法
4.2 基于BPNN的多源異構(gòu)數(shù)據(jù)協(xié)同模型
4.2.1 基于BPNN的多源異構(gòu)數(shù)據(jù)協(xié)同模型結(jié)構(gòu)
4.2.2 基于BPNN的多源異構(gòu)數(shù)據(jù)協(xié)同結(jié)果分析
4.3 基于TDNN的多源異構(gòu)數(shù)據(jù)協(xié)同模型
4.3.1 基于TDNN的多源異構(gòu)數(shù)據(jù)協(xié)同模型結(jié)構(gòu)
4.3.2 基于TDNN的多源異構(gòu)數(shù)據(jù)協(xié)同結(jié)果分析
4.4 基于NARX的多源異構(gòu)數(shù)據(jù)協(xié)同模型
4.4.1 基于NARX的多源異構(gòu)數(shù)據(jù)協(xié)同模型結(jié)構(gòu)