期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究
被引量:
2
1
作者
卢志宏
武晓东
+8 位作者
郭利彪
付和平
满都呼
岳闯
柴享贤
包达尔罕
杨素文
叶丽娜
李燕妮
《生态环境学报》
CSCD
北大核心
2015年第12期1976-1982,共7页
群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试。Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测。以腾格里沙漠东...
群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试。Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测。以腾格里沙漠东缘荒漠为试验区,以啮齿动物数量为研究对象,采用标志重捕法,逐月监测2006─2014年每年的4─10月捕获量,建立Elman神经网络预测模型,利用2006─2013年的捕获量建立训练网络,以2014年的数据进行验证与测试,比较3种数据处理方法建立预测模型后的平均误差和拟合度,确立最优模型,预测阿拉善荒漠啮齿动物组成物种数量动态。结果表明:(1)未经归一化处理预测结果的平均误差mse为5.30,最小误差1.52%,拟合度为0.80;(2)经[0,1]归一化处理的预测结果平均误差mse为4.51,最小误差1.54%,拟合度为0.82;(3)经[-1,1]归一化处理预测结果的平均误差mse为5.03,最小误差1.63%,拟合度为0.69;(4)3种归一化处理后Elman神经网络模型差异不显著。通过平均误差和拟合度的比较,文章认为采用[0,1]归一化建立的Elman神经网络能较好的预测荒漠啮齿动物数量的变化规律,应用该网络可以预测阿拉善荒漠啮齿动物组成物种数量变化趋势,对指导当地鼠情监控和防治具有重要意义。
展开更多
关键词
ELMAN神经网络
阿拉善荒漠
啮齿动物
标志重捕法
下载PDF
职称材料
从西部大开发透视阿拉善盟荒漠草地生态建设的意义与对策
被引量:
5
2
作者
卫智军
杨静
马春梅
《内蒙古草业》
2000年第1期7-12,共6页
由于人为破坏和自然因素的影响 ,致使阿拉善盟荒漠草地严重退化 ,特别是草地植被的破坏 ,引起生态环境的恶化 ,对阿拉善盟 17万居民的生产生活构成严重威胁 ,乃至对西北、华北地区生态环境的可持续发展构成严重威胁。本文通过对阿拉善...
由于人为破坏和自然因素的影响 ,致使阿拉善盟荒漠草地严重退化 ,特别是草地植被的破坏 ,引起生态环境的恶化 ,对阿拉善盟 17万居民的生产生活构成严重威胁 ,乃至对西北、华北地区生态环境的可持续发展构成严重威胁。本文通过对阿拉善盟荒漠草地的退化现状及成因分析 ,阐述了草地生态建设的意义和对策 。
展开更多
关键词
阿拉善盟
荒漠草地
草地退化
生态建设
下载PDF
职称材料
阿左旗荒漠灌木林天敌昆虫种类及其分布
被引量:
2
3
作者
李琳
周会玉
+3 位作者
牛春花
胡晨阳
姚艳芳
徐利锋
《绿色科技》
2015年第2期9-13,共5页
自2010年3月至2013年3月,对内蒙古阿拉善盟左旗荒漠灌木林天敌进行了调查,采用线路调查和标准地调查相结合的方法进行了标本采集。共鉴定出天敌8目14科58种,其中美妙细颚姬蜂(Enicospilus amoenus)和单斑细颚姬蜂(Enicospilus enicospil...
自2010年3月至2013年3月,对内蒙古阿拉善盟左旗荒漠灌木林天敌进行了调查,采用线路调查和标准地调查相结合的方法进行了标本采集。共鉴定出天敌8目14科58种,其中美妙细颚姬蜂(Enicospilus amoenus)和单斑细颚姬蜂(Enicospilus enicospilus)为内蒙古新纪录种。
展开更多
关键词
内蒙古阿拉善左旗
荒漠灌木林
天敌
分布
下载PDF
职称材料
题名
基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究
被引量:
2
1
作者
卢志宏
武晓东
郭利彪
付和平
满都呼
岳闯
柴享贤
包达尔罕
杨素文
叶丽娜
李燕妮
机构
内蒙古农业大学生态环境学院
草业与草地资源教育部重点实验室
中国农业科学研究院草原科学研究所
出处
《生态环境学报》
CSCD
北大核心
2015年第12期1976-1982,共7页
基金
国家自然科学基金资助项目(30760044
31160096)
公益性行业科研专项经费项目(201203041)
文摘
群落的数量变动及预测是生态学研究的重要内容,将神经网络技术应用到啮齿动物群落数量预测中是一种新尝试。Elman神经网络通过在前馈网络中增加延时算子,实现了记忆功能,能够对啮齿动物组成物种数量进行动态模拟和预测。以腾格里沙漠东缘荒漠为试验区,以啮齿动物数量为研究对象,采用标志重捕法,逐月监测2006─2014年每年的4─10月捕获量,建立Elman神经网络预测模型,利用2006─2013年的捕获量建立训练网络,以2014年的数据进行验证与测试,比较3种数据处理方法建立预测模型后的平均误差和拟合度,确立最优模型,预测阿拉善荒漠啮齿动物组成物种数量动态。结果表明:(1)未经归一化处理预测结果的平均误差mse为5.30,最小误差1.52%,拟合度为0.80;(2)经[0,1]归一化处理的预测结果平均误差mse为4.51,最小误差1.54%,拟合度为0.82;(3)经[-1,1]归一化处理预测结果的平均误差mse为5.03,最小误差1.63%,拟合度为0.69;(4)3种归一化处理后Elman神经网络模型差异不显著。通过平均误差和拟合度的比较,文章认为采用[0,1]归一化建立的Elman神经网络能较好的预测荒漠啮齿动物数量的变化规律,应用该网络可以预测阿拉善荒漠啮齿动物组成物种数量变化趋势,对指导当地鼠情监控和防治具有重要意义。
关键词
ELMAN神经网络
阿拉善荒漠
啮齿动物
标志重捕法
Keywords
elman neural network
alasan desert
rodent
mark recapture method
分类号
S714.6 [农业科学—林学]
X171.1 [环境科学与工程—环境科学]
下载PDF
职称材料
题名
从西部大开发透视阿拉善盟荒漠草地生态建设的意义与对策
被引量:
5
2
作者
卫智军
杨静
马春梅
机构
内蒙古农业大学
出处
《内蒙古草业》
2000年第1期7-12,共6页
文摘
由于人为破坏和自然因素的影响 ,致使阿拉善盟荒漠草地严重退化 ,特别是草地植被的破坏 ,引起生态环境的恶化 ,对阿拉善盟 17万居民的生产生活构成严重威胁 ,乃至对西北、华北地区生态环境的可持续发展构成严重威胁。本文通过对阿拉善盟荒漠草地的退化现状及成因分析 ,阐述了草地生态建设的意义和对策 。
关键词
阿拉善盟
荒漠草地
草地退化
生态建设
Keywords
alasan desert
grassland,grassland degeneration,ecological rehabilitation
分类号
S812 [农业科学—草业科学]
下载PDF
职称材料
题名
阿左旗荒漠灌木林天敌昆虫种类及其分布
被引量:
2
3
作者
李琳
周会玉
牛春花
胡晨阳
姚艳芳
徐利锋
机构
内蒙古阿拉善左旗森林病虫害防治检疫站
出处
《绿色科技》
2015年第2期9-13,共5页
基金
阿左旗荒漠灌木林林业有害生物普查及主要种类综合治理研究
文摘
自2010年3月至2013年3月,对内蒙古阿拉善盟左旗荒漠灌木林天敌进行了调查,采用线路调查和标准地调查相结合的方法进行了标本采集。共鉴定出天敌8目14科58种,其中美妙细颚姬蜂(Enicospilus amoenus)和单斑细颚姬蜂(Enicospilus enicospilus)为内蒙古新纪录种。
关键词
内蒙古阿拉善左旗
荒漠灌木林
天敌
分布
Keywords
Inner Mongolia
alasan
Left Banner
desert
shrubwood
natural enemies
distribution
分类号
S763.1 [农业科学—森林保护学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Elman神经网络的阿拉善荒漠啮齿动物群落组成物种数量预测研究
卢志宏
武晓东
郭利彪
付和平
满都呼
岳闯
柴享贤
包达尔罕
杨素文
叶丽娜
李燕妮
《生态环境学报》
CSCD
北大核心
2015
2
下载PDF
职称材料
2
从西部大开发透视阿拉善盟荒漠草地生态建设的意义与对策
卫智军
杨静
马春梅
《内蒙古草业》
2000
5
下载PDF
职称材料
3
阿左旗荒漠灌木林天敌昆虫种类及其分布
李琳
周会玉
牛春花
胡晨阳
姚艳芳
徐利锋
《绿色科技》
2015
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部