Biblioteca73.326 documentos en línea

Artículo

Prediction and Early Warning of Regional Coordinated Development Based on Convolution Neural Network AlgorithmPredicción y alerta temprana del desarrollo regional coordinado basado en el algoritmo de redes neuronales de convolución

Resumen

Para responder al desarrollo regional coordinado del país, es necesario proponer un método que permita predecir y analizar la tendencia de desarrollo según la situación actual de desarrollo. En vista de ello, la investigación llevará a cabo el análisis de la situación actual y la previsión del desarrollo coordinado de la aglomeración urbana en el oeste de China. En primer lugar, se utiliza el sistema 3E para establecer el modelo de evaluación del grado de coordinación regional y, sobre esta base, se introduce el modelo elipsoidal para una mejor evaluación del grado de coordinación. Además, para mejorar la capacidad de predicción del modelo, se utiliza la red neuronal de convolución para realizar el análisis de big data del modelo. Los resultados muestran que el grado de coordinación global de la aglomeración urbana occidental se encuentra en un estado de coordinación débil en 2015, pero el grado de coordinación de la región alcanzará 147,35 en 2020. Los resultados muestran que el grado de coordinación global de la aglomeración urbana occidental mostrará gradualmente una buena tendencia, pero la velocidad de cambio es lenta. Los resultados anteriores muestran que el modelo de predicción del estudio tiene una gran viabilidad, los resultados del cálculo pueden ajustarse a la situación actual, y la buena capacidad de predicción puede proporcionar sugerencias para la toma de decisiones a muchos gobiernos.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento