论文目录 | |
摘要 | 第1-7页 |
Abstract | 第7-10页 |
第一章 引言 | 第10-13页 |
第二章 研究内容与方法 | 第13-26页 |
2.1 研究目的 | 第13页 |
2.2 研究意义 | 第13-14页 |
2.3 国内外关于太子参产地环境适应性评价方法的研究现状 | 第14-15页 |
2.3.1 经验指数和法 | 第14页 |
2.3.2 地统计学方法 | 第14页 |
2.3.3 模糊数学法 | 第14-15页 |
2.3.4 人工神经网络法 | 第15页 |
2.4 研究内容 | 第15-17页 |
2.4.1 贵州施秉县太子参产地环境适宜性评价指标体系构建 | 第15-16页 |
2.4.2 基于不同方法的太子参产地环境适宜性评价 | 第16页 |
2.4.3 太子参产地环境适宜性评价方法比较及选择 | 第16-17页 |
2.5 技术路线 | 第17-18页 |
2.6 研究方法 | 第18-26页 |
2.6.1 土壤样品采集及分析方法 | 第18-19页 |
2.6.2 土壤样品分析及测定 | 第19-24页 |
2.6.3 地形数据获取 | 第24页 |
2.6.4 气候数据获取 | 第24页 |
2.6.5 交通及灌溉数据获取 | 第24页 |
2.6.6 环境适宜性评价方法的研究 | 第24-26页 |
第三章 基于经验指数和法的环境适宜性评价 | 第26-42页 |
3.1 环境适宜性指标体系的构建 | 第26-29页 |
3.1.1 环境适宜性指标体系的构建的原则 | 第26-27页 |
3.1.2 环境适宜性评价单元的划分 | 第27页 |
3.1.3 环境适宜性指标选取 | 第27页 |
3.1.4 环境适宜性指标的解释 | 第27-28页 |
3.1.5 环境适宜性指标体系的构建 | 第28-29页 |
3.2 基于经验指数法的环境适宜性评价 | 第29-40页 |
3.2.1 评价指标权重的确定 | 第29-31页 |
3.2.2 环境适宜性经验指数的计算 | 第31页 |
3.2.3 环境适宜性等级划分 | 第31页 |
3.2.4 环境适宜性评价 | 第31-32页 |
3.2.5 评价因子空间分布模拟 | 第32-40页 |
3.2.6 环境适宜性评价结果检验 | 第40页 |
3.3 结语 | 第40-42页 |
第四章 基于地统计学方法的环境适宜性评价 | 第42-52页 |
4.1 地统计学方法 | 第42-43页 |
4.2 太子参环境适宜性评价指标空间预测模型的构建 | 第43-48页 |
4.2.1 数据探索分析 | 第44-46页 |
4.2.2 空间连续性的量化模拟 | 第46-48页 |
4.3 基于地统计学方法的太子参环境适宜性评价 | 第48-51页 |
4.3.1 环境适宜性评价 | 第48-51页 |
4.3.2 环境适宜性评价结果检验 | 第51页 |
4.4 结语 | 第51-52页 |
第五章 基于模糊数学方法的环境适宜性评价 | 第52-65页 |
5.1 模糊聚类方法 | 第52-53页 |
5.1.1 聚类原理 | 第52-53页 |
5.1.2 聚类方法 | 第53页 |
5.2 基于模糊聚类的环境适宜性评价 | 第53-63页 |
5.2.1 样本数据标准化 | 第53-59页 |
5.2.2 基于聚类分析的环境适宜性评价 | 第59-63页 |
5.2.3 环境适宜性评价结果检验 | 第63页 |
5.3 结语 | 第63-65页 |
第六章 基于人工神经网络方法的环境适宜性评价 | 第65-74页 |
6.1 径向函数神经网络方法 | 第65-68页 |
6.1.1 径向基函数神经网络(RBF)结构 | 第65-66页 |
6.1.2 径向函数神经网络设计与求解 | 第66-67页 |
6.1.3 径向基函数神经网络训练样本的构建及其预处理 | 第67页 |
6.1.4 径向基函数神经网络训练算法 | 第67-68页 |
6.2 基于径向基函数人工神经网络的环境适宜性评价 | 第68-73页 |
6.2.1 数据集的构成 | 第68页 |
6.2.2 RBF网络参数的确定 | 第68页 |
6.2.3 RBF网络训练精度的确定 | 第68页 |
6.2.4 环境适宜性评价结果 | 第68-72页 |
6.2.5 环境适宜性评价结果检验 | 第72-73页 |
6.3 结语 | 第73-74页 |
第七章 环境适宜性评价方法比较研究 | 第74-76页 |
7.1 适宜性评价方法比较 | 第74-75页 |
7.2 适宜性评价结果比较 | 第75-76页 |
第八章 结论、建议与展望 | 第76-79页 |
8.1 结论 | 第76-78页 |
8.1.1 基于经验指数和法的土壤适宜性评价 | 第76-77页 |
8.1.2 基于地统计学方法的土壤适宜性评价 | 第77页 |
8.1.3 基于模糊数学方法的土壤适宜性评价 | 第77页 |
8.1.4 基于人工神经网络的土壤适宜性评价 | 第77-78页 |
8.1.5 结论 | 第78页 |
8.2 研究特色与创新 | 第78-79页 |
8.3 研究中存在的问题 | 第79页 |
8.4 研究展望 | 第79页 |
参考文献 | 第79-83页 |
致谢 | 第83-84页 |
附录 | 第84-85页 |