《表4 2010—2016年榆林市生态安全各系统及总警情指数》

  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RBF神经网络模型的资源型城市生态安全预警——以榆林市为例》

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

对于输入层和输出层神经元数的确定，本文在对榆林市生态安全状态系统警情指数进行预测时，选择输入层的神经元数为3，输出层的神经元数为1，对应的就是预测目标年的生态安全状态系统的警情指数。以表4中2010—2013年榆林市生态安全状态系统警情指数作为预测环节的输入数据，以年度为时间序列建立神经网络预测模型，以迭代一步的方式进行滚动预测，对2013—2016年榆林市的生态安全变化趋势进行预测。预测步长取1，也就是一次预测1年。最后，利用2010—2016年生态安全状态子系统的警情指数，同样用3年数据作为样本输入，用下一年数据作为样本期望输出值，构造一个学习样本，7年的数据共构成4个学习样本，样本数据如表5所示。在此基础上，运用Matlab2016软件进行程序设计，构造RBF神经网络模型进行网络学习，学习效果如图2所示。