《表8 预测结果三：基于PCA和BRNN的土地负荷类型预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PCA和BRNN的土地负荷类型预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

分析实验二的结果，预测准确度不佳原因可能在于数据使用不够充分。采用主成分分析法对548个元胞数据进行数据降维，选取b=0.9，共生成1 0项主成分，代替原始空间数据，并结合BP神经网络完成预测，空白元胞负荷属性预测结果如表8所示。呈现的土地负荷分布图如图7所示。