已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Remote Sensing Inversion of Suspended Matter Concentration Using a Neural Network Model Optimized by the Partial Least Squares and Particle Swarm Optimization Algorithms

粒子群优化 均方误差 人工神经网络 反演(地质) 偏最小二乘回归 算法 近似误差 相关系数 均方根 计算机科学 决定系数 最小二乘函数近似 数学 统计 人工智能 工程类 地质学 古生物学 构造盆地 估计员 电气工程
作者
Qiaozhen Guo,Huanhuan Wu,Huiyi Jin,Guang Yang,Xiaoxu Wu
出处
期刊:Sustainability [MDPI AG]
卷期号:14 (4): 2221-2221 被引量:6
标识
DOI:10.3390/su14042221
摘要

Suspended matter concentration is an important index for the assessment of a water environment and it is also one of the core parameters for remote sensing inversion of water color. Due to the optical complexity of a water body and the interaction between different water quality parameters, the remote sensing inversion accuracy of suspended matter concentration is currently limited. To solve this problem, based on the remote sensing images from Gaofen-2 (GF-2) and the field-measured suspended matter concentration, taking a section of the Haihe River as the study area, this study establishes a remote sensing inversion model. The model combines the partial least squares (PLS) algorithm and the particle swarm optimization (PSO) algorithm to optimize the back-propagation neural network (BPNN) model, i.e., the PLS-PSO-BPNN model. The partial least squares algorithm is involved in screening the input values of the neural network model. The particle swarm optimization algorithm optimizes the weights and thresholds of the neural network model and it thus effectively overcomes the over-fitting of the neural network. The inversion accuracy of the optimized neural network model is compared with that of the partial least squares model and the traditional neural network model by determining the coefficient, the mean absolute error, the root mean square error, the correlation coefficient and the relative root mean square error. The results indicate that the root mean squared error of the PLS-PSO-BPNN inversion model was 3.05 mg/L, which is higher than the accuracy of the statistical regression model. The developed PLS-PSO-BPNN model could be widely applied in other areas to better invert the water quality parameters of surface water.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Dsivan发布了新的文献求助10
刚刚
呆瓜完成签到,获得积分10
4秒前
负责丹亦发布了新的文献求助10
4秒前
Abmony驳回了zgsn应助
6秒前
ciiiv完成签到 ,获得积分10
11秒前
英姑应助lyfrey采纳,获得10
12秒前
Pursue完成签到,获得积分10
13秒前
SciGPT应助科研通管家采纳,获得10
13秒前
科研通AI2S应助科研通管家采纳,获得10
13秒前
乐乐应助科研通管家采纳,获得10
14秒前
思源应助科研通管家采纳,获得10
14秒前
ding应助科研通管家采纳,获得10
14秒前
14秒前
欣喜宛海完成签到 ,获得积分10
19秒前
红鲤鱼发布了新的文献求助10
20秒前
22秒前
情怀应助bzlinhqu@126.com采纳,获得10
22秒前
善学以致用应助lyle采纳,获得10
26秒前
28秒前
orixero应助你给的她都不要采纳,获得30
30秒前
南冥完成签到 ,获得积分10
34秒前
35秒前
秋蚓完成签到 ,获得积分10
36秒前
莫惜君灬完成签到 ,获得积分10
37秒前
39秒前
40秒前
我是老大应助zishuo采纳,获得10
40秒前
吉吉完成签到,获得积分10
42秒前
随机子应助虚幻莫茗采纳,获得10
45秒前
45秒前
46秒前
之组长了发布了新的文献求助10
50秒前
半夏发布了新的文献求助10
51秒前
51秒前
情怀应助FW采纳,获得10
53秒前
BaiX应助YBW采纳,获得10
53秒前
小鱼完成签到,获得积分10
55秒前
55秒前
56秒前
花样年华完成签到,获得积分0
57秒前
高分求助中
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3164662
求助须知:如何正确求助?哪些是违规求助? 2815515
关于积分的说明 7909801
捐赠科研通 2475233
什么是DOI,文献DOI怎么找? 1318022
科研通“疑难数据库(出版商)”最低求助积分说明 631984
版权声明 602282