Chung-Hua University Repository:Item 987654321/32271
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 8557/14866 (58%)
造访人次 : 1407734      在线人数 : 1477
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻
    主页登入上传说明关于CHUR管理 到手机版


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://chur.chu.edu.tw/handle/987654321/32271


    题名: 一般克利金法、倒傳遞網路與分析調整綜合網路在空間內插之實證比較
    作者: 葉怡成
    Yeh, I-Cheng
    贡献者: 資訊管理學系
    Information Management
    关键词: 空間內插;克利金法;倒傳遞網路;分析調整綜合網路
    spatial;method;back-propagation;networks
    日期: 2008
    上传时间: 2014-06-27 01:49:38 (UTC+8)
    摘要: 本研究旨在比較一般克利金法、倒傳遞網路與分析調整綜合網路(Analysis-Adjustment-Synthesis Networks, AASN)等三種方法在空間內插的準確度。本研究以台灣地區的降雨分佈為研究案例。研究結果顯示:(1) 對獨立於訓練範例之外的測試範例所作的預測之誤差顯示,分析調整綜合網路最準確,倒傳遞網路次之,一般克利金法最差;且AASN遠優於後二者。(2) 克利金法能配適訓練範例的資料,產生具有幾個局部集中區的降雨量內插模型;倒傳遞網路無法配適訓練範例的資料,只能產生一組接近平行但不等
    In this research, we compared Ordinary Kriging Method, back-propagation neural networks (BPN), and Analysis-Adjustment-Synthesis Networks (AASN) in spatial interpolation applications. This research took rainfall distribution in Taiwan as research case. Th
    显示于类别:[資訊管理學系] 期刊論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    p_m321_0053.pdf36KbAdobe PDF29检视/开启


    在CHUR中所有的数据项都受到原著作权保护.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回馈