呼伦贝尔智慧草原关键技术及应用

　　本书以动态草畜平衡系统为例，通过对卫星传感器获取的归一化植被指数（NDVI）数据与地面气象传感器产生的降水量数据进行协同处理与分析，预测未来年份NDVI的时空数据，进而对研究区域的草产量与理论载畜量进行时空预测，实现未来年份牲畜种类、数量的时空优化配置， 终实现一种基于物联网的动态草畜平衡系统功能，即实现智慧草原。本书基于多种神经网络方法的多源异构数据协同理论和方法研究，具有重要的理论和应用意义。

暂缺《呼伦贝尔智慧草原关键技术及应用》作者简介

前言
1 绪论
1.1 研究背景
1.2 研究需求和意义
1.3 外研究现状
1.3.1 多源异构数据协同研究
1.3.2 草畜平衡研究
1.4 研究内容及主要贡献
1.5 本书结构安排
1.6 小结
2 基于物联网的动态草畜平衡系统及其关键技术
2.1 研究区域概况
2.2 多源异构数据介绍
2.2.1 气象传感数据
2.2.2 卫星遥感数据NDVI
2.2.3 关键气象传感数据的确定
2.3 草畜平衡概述
2.4 草畜平衡系统
2.5 动态草畜平衡系统及其关键技术
2.5.1 动态草畜平衡系统
2.5.2 动态草畜平衡系统的关键技术
2.6 小结
3 基于神经网络的降水量时间数据自回归预测模型
3.1 人工神经网络模型概述
3.1.1 人工神经网络的定义
3.1.2 人工神经网络的发展概述
3.1.3 人工神经网络结构
3.1.4 人工神经网络学习方式
3.1.5 静态与动态神经网络
3.2 基于BPNN的降水量自回归预测模型
3.2.1 BPNN的建模方法
3.2.2 基于BPNN的降水量自回归预测建模及结果分析
3.3 基于TDNN的降水量自回归预测模型
3.3.1 TDNN的建模方法
3.3.2 基于TDNN的降水量自回归预测建模及结果分析
3.4 基于NARX的降水量自回归预测模型
3.4.1 NARX的建模方法
3.4.2 基于NARX的降水量自回归预测建模及结果分析
3.5 三种用于降水量自回归预测的神经网络模型比较
3.6 小结
4 基于神经网络的多源异构时间数据协同模型
4.1 基于神经网络的多源异构数据协同方法
4.2 基于BPNN的多源异构数据协同模型
4.2.1 基于BPNN的多源异构数据协同模型结构
4.2.2 基于BPNN的多源异构数据协同结果分析
4.3 基于TDNN的多源异构数据协同模型
4.3.1 基于TDNN的多源异构数据协同模型结构
4.3.2 基于TDNN的多源异构数据协同结果分析
4.4 基于NARX的多源异构数据协同模型
4.4.1 基于NARX的多源异构数据协同模型结构