《表1 2000—2017年青岛近海海域赤潮案例与相对应的气象因子数据》

  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

《基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究》

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

在输入BP神经网络进行训练的数据中通常包含很多属性，其中有些属性与目标能力无关或影响很小。当输入属性太多时，神经网络收敛速度会降低，还会增加过度拟合的可能性。因此在将属性数据输入神经网络进行训练前，需要根据目标能力对属性进行约简，选择合适的输入属性，确定BP神经网络的最优输入属性集合。C4.5决策树分类选择最佳输入属性方法是对训练数据进行计算后比较各个属性的信息增益率的大小，选择信息增益率大的属性或者属性集合来确定网络的初始输入[21]。经研究，气象条件中的气温、气压、降水、风速、湿度、日照等气象要素与赤潮的发生、发展和消亡存在十分密切的关系[22-24]。本研究收集的2000—2017年青岛胶州湾海域和浮山湾海域赤潮案例与相应的气象因素数据共31个样本，见表1。