项目名称: 土壤空间预测方法及其不确定性研究

项目编号: No.40971125

项目类型: 面上项目

立项/批准年度: 2010

项目学科: 天文学、地球科学

项目作者: 胡月明

作者单位: 华南农业大学

项目金额: 40万元

中文摘要: 土壤调查和制图是监测土壤资源的重要手段,常规的方法存在投入大、周期长、精度低和量化困难等局限。如何获取定量、精确的土壤属性和类型的空间信息并分析其不确定性,以支持区域和全国土壤调查、制图和分类,是土壤学界最具挑战性的问题之一。本项目研究基于数据挖掘的土壤空间预测方法及其空间不确定性。在样品数量有限的情况下,将分层采样和遗传算法相结合,优化采样位置和密度;针对空间预测过拟合现象,从选择输入因素入手,利用泛化能力强的神经网络集成和支持向量机研究高精度土壤空间预测方法;为提供预测的空间不确定性信息,利用随机仿真,研究采样方法、输入因素和预测结果的空间不确定性,以及预测模型对输入不确定性的敏感性。本研究将提出一套高精度的土壤空间预测方法,降低预测的空间不确定性,提高预测土壤制图的精度,推进数据挖掘技术在计量土壤学中的应用。

中文关键词: 土壤空间预测;数据挖掘;空间不确定性;计量土壤学;

英文摘要:

英文关键词: The prediction of Soil spatial;Data Mining;Spatial Uncertainty;Measure of soil science;

成为VIP会员查看完整内容
0

相关内容

【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
19+阅读 · 2021年10月3日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
【NeurIPS 2020】深度学习的不确定性估计和鲁棒性
专知会员服务
49+阅读 · 2020年12月8日
NeurIPS 2021 | 微软亚洲研究院机器学习领域最新研究一览
微软研究院AI头条
0+阅读 · 2021年12月8日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
小贴士
相关主题
相关VIP内容
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
专知会员服务
13+阅读 · 2021年10月9日
专知会员服务
19+阅读 · 2021年10月3日
专知会员服务
37+阅读 · 2021年8月31日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
【NeurIPS 2020】深度学习的不确定性估计和鲁棒性
专知会员服务
49+阅读 · 2020年12月8日
相关资讯
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员