土壤温度时间序列预测的BP神经网络模型研究

针对滨海盐渍区表层土壤温度时序变化复杂、高度非线性的特点，以江苏省苏北典型滩涂区域为研究对象，综合运用BP神经网络和时间序列多维拓展的方法，对长期定位监测点表土层土壤温度时间序列数据进行了分析和预测，为土壤溶质运移研究与当地作物合理布局提供理论基础和参考依据。结果表明，输入层、隐含层和输出层神经元数目分别为7、7和1的3层BP神经网络模型用于土壤温度时间序列训练仿真时效果最优，其误差平方和达最小值18.017。选定的此结构BP神经网络模型简单、实用，有良好的推广泛化能力，经独立测试样本检验，预测值与实测值的相对误差均在20%以内，平均相对误差仅为2.94%，可满足土壤温度日常预报的需要。