IGSNRR OpenIR
基于贝叶斯机器学习的生态模型参数优化方法研究
何立杰1; 何洪林2; 任小丽2; 葛蓉2; 杨涛1; 朱超1
2017
Source Publication地球信息科学学报
ISSN1560-8999
Volume19Issue:10Pages:1270
Abstract参数优化方法是准确估计生态模型参数、降低其不确定性的有效手段。本文提出一种基于贝叶斯机器学习的No-U-Turn Sampler(NUTS)生态模型参数优化方法。NUTS是一种高效的参数优化方法,每次取样中利用递归算法生成候选参数集(二叉树)推断参数的后验信息,如果满足约束条件"非U型回转",不断构建子树更新参数;否则,记录本次抽样的"最优"参数集,并开始下一次取样,直到获取足够样本。该算法在每次取样中充分优化参数,避免因随机游走行为产生冗余抽样,提高了参数优化效率。本文以千烟洲亚热带人工针叶林碳通量模拟为例,基于Pymc3框架利用NUTS参数优化方法实现了碳通量(Net Ecosystem Exchange,NEE)模型参数反演,并与Metropolis-Hastings(MH)方法进行对比。结果表明,本文算法的参数值达到稳定波动时的抽样次数减少了85%左右,参数优化效率提升3倍左右。参数优化后,2种NEE模型中7个参数不确定性降低10%~53%。此外,NEE模拟效果明显提升,模拟值与实测值的R~2分别提高23%和17%,RMSE分别降低3%和4%。综上所述,本文提出的参数优化方法对生态领域的参数估计或数据同化工作具有一定的借鉴意义。
Language英语
Document Type期刊论文
Identifierhttp://ir.igsnrr.ac.cn/handle/311030/115483
Collection中国科学院地理科学与资源研究所
Affiliation1.沈阳农业大学
2.中国科学院地理科学与资源研究所
Recommended Citation
GB/T 7714
何立杰,何洪林,任小丽,等. 基于贝叶斯机器学习的生态模型参数优化方法研究[J]. 地球信息科学学报,2017,19(10):1270.
APA 何立杰,何洪林,任小丽,葛蓉,杨涛,&朱超.(2017).基于贝叶斯机器学习的生态模型参数优化方法研究.地球信息科学学报,19(10),1270.
MLA 何立杰,et al."基于贝叶斯机器学习的生态模型参数优化方法研究".地球信息科学学报 19.10(2017):1270.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[何立杰]'s Articles
[何洪林]'s Articles
[任小丽]'s Articles
Baidu academic
Similar articles in Baidu academic
[何立杰]'s Articles
[何洪林]'s Articles
[任小丽]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[何立杰]'s Articles
[何洪林]'s Articles
[任小丽]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.