高光譜遙感實(shí)驗(yàn)六(共6頁(yè))

1、精選優(yōu)質(zhì)文檔-傾情為你奉上 2012級(jí)研究生高光譜遙感技術(shù)實(shí) 驗(yàn) 報(bào) 告 姓名：張東霞學(xué)號(hào)：專(zhuān)業(yè)：攝影測(cè)量與遙感成績(jī)：2013年5月14日實(shí)驗(yàn)項(xiàng)目六張東霞 一、實(shí)驗(yàn)?zāi)康?1、掌握神經(jīng)網(wǎng)絡(luò)光譜反演建模方法； 2、掌握了DPS軟件的基本操作方法.二、實(shí)驗(yàn)要求1、利用包絡(luò)線(xiàn)去除法提取的參數(shù)建立神經(jīng)網(wǎng)絡(luò)反演模型；BP神經(jīng)網(wǎng)絡(luò)算法不僅有輸入層節(jié)點(diǎn)、輸出層節(jié)點(diǎn)，還可有1個(gè)或多個(gè)隱含層節(jié)點(diǎn)。對(duì)于輸入信號(hào)，要先向前傳播到隱含層節(jié)點(diǎn)，經(jīng)作用函數(shù)后，再把隱含層節(jié)點(diǎn)的輸出信號(hào)傳播到輸出節(jié)點(diǎn)，最后給出輸出結(jié)果。由實(shí)驗(yàn)四的結(jié)果可知深度面積和S1、對(duì)稱(chēng)度1、最大深度H1、右位置、寬度D與有機(jī)質(zhì)含量的相關(guān)性相對(duì)最高。在DP

2、S數(shù)據(jù)處理系統(tǒng)中，數(shù)據(jù)的輸入格式是一行為一個(gè)樣本，一列為一個(gè)變量，輸入節(jié)點(diǎn)（變量）放在數(shù)據(jù)塊左邊，輸出節(jié)點(diǎn)（因變量）放在數(shù)據(jù)塊右邊，輸完一個(gè)樣本后再輸入下一個(gè)樣本。對(duì)于待識(shí)別的（預(yù)測(cè)）的樣本，不需要輸入輸出變量（因變量）。數(shù)據(jù)輸入完畢后，定義數(shù)據(jù)塊。如有待識(shí)別的（預(yù)測(cè)）的樣本，可在按下Ctrl鍵時(shí)再按下并拖到鼠標(biāo)，將待預(yù)測(cè)的樣本定義為第二個(gè)數(shù)據(jù)塊。選擇BP神經(jīng)網(wǎng)絡(luò)算法。本次試驗(yàn)將hs82、 hs83、 hs2、 hs26、 hs70、hs75樣本作為待檢驗(yàn)樣本、其余樣本數(shù)據(jù)復(fù)制到DPS數(shù)據(jù)處理軟件中作為建模數(shù)據(jù)，處理過(guò)程與結(jié)果如下圖所示：前面幾列分別為高差面積和S1、對(duì)稱(chēng)度1、最大深度H1、右

3、位置、寬度D，最后一列為有機(jī)質(zhì)含量，然后全部選中，作為建模數(shù)據(jù)塊，選擇菜單中的“其它”>“神經(jīng)網(wǎng)絡(luò)模型”>“BP神經(jīng)網(wǎng)絡(luò)”，彈出如下參數(shù)設(shè)置窗口，選擇標(biāo)準(zhǔn)化模型：圖2圖3圖4圖5 2、利用對(duì)數(shù)的一階微分變換提取的參數(shù)建立神經(jīng)網(wǎng)絡(luò)模型；方法同1，將數(shù)據(jù)復(fù)制到DPS系統(tǒng)中。圖6圖7圖8圖9圖103、調(diào)整神經(jīng)網(wǎng)絡(luò)中間層數(shù)、結(jié)點(diǎn)數(shù)，比較模型精度。以上述一節(jié)微分的數(shù)據(jù)實(shí)驗(yàn)為例調(diào)節(jié)中間層數(shù)節(jié)點(diǎn)數(shù)：節(jié)點(diǎn)數(shù)隱含層數(shù)不同時(shí)預(yù)測(cè)值與觀測(cè)值對(duì)比表：檢驗(yàn)樣本隱含層6節(jié)點(diǎn)隱含層5節(jié)點(diǎn)隱含層4節(jié)點(diǎn)隱含層3節(jié)點(diǎn)隱含層2節(jié)點(diǎn)隱含層1節(jié)點(diǎn)樣本觀測(cè)值 hs830.48280.57670.47960.49120.522

4、40.58260.37 hs841.70610.5771.55491.44521.34050.68961.104 hs20.68470.57670.61010.57570.61070.56991.289 hs321.1670.57690.74810.8381.07840.66240.996 hs260.710.57680.6140.63150.61310.58650.789 hs700.59040.57670.58160.46250.5020.55130.78 hs750.38970.57670.440.42470.47230.56640.75結(jié)果顯示當(dāng)隱含層節(jié)點(diǎn)數(shù)減少時(shí)，樣本預(yù)測(cè)值與觀測(cè)值大

5、致呈遠(yuǎn)離趨勢(shì)，就是預(yù)測(cè)的精度會(huì)降低，但節(jié)點(diǎn)數(shù)多時(shí)有增加了計(jì)算量與計(jì)算速度，因此合適的節(jié)點(diǎn)數(shù)對(duì)于BP神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)至關(guān)重要。在實(shí)際工作中，閾值、學(xué)習(xí)率、隱層層數(shù)、隱層節(jié)點(diǎn)個(gè)數(shù)等對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度(收斂速度)都有較大的影響。為了減少選取網(wǎng)絡(luò)結(jié)構(gòu)和決定各參數(shù)值的盲目性,達(dá)到提高收斂速度的目的，我們應(yīng)合理選擇這些影響因子。當(dāng)節(jié)點(diǎn)數(shù)太少時(shí),每個(gè)節(jié)點(diǎn)負(fù)擔(dān)過(guò)重,迭代而有的選擇卻要迭代幾千次,或者更多,甚至不收斂。學(xué)習(xí)率過(guò)小，誤差波動(dòng)小，但學(xué)習(xí)速度慢，往往由于訓(xùn)練時(shí)間的限制而得不到滿(mǎn)意解；學(xué)習(xí)率過(guò)大，學(xué)習(xí)速度加快，會(huì)引起網(wǎng)絡(luò)出現(xiàn)擺動(dòng)現(xiàn)象，導(dǎo)致不收斂的危險(xiǎn)。因此,選擇一個(gè)合適的學(xué)習(xí)率是BP算法的一個(gè)較關(guān)鍵的問(wèn)