OALib Journal期刊
基于BP神经网络的太湖典型农田土壤水分动态模拟
DOI: 10.7685/j.issn.1000-2030.2012.04.026
Keywords: 土壤水分动态 ,敏感性因子 ,BP神经网络 ,模型 ,太湖流域
Abstract:
收集太湖典型农田2010年10―12月和2011年3―6月2个时间段的逐日气象资料和土壤水分资料,运用BP(backpropagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明0~14cm和14~33cm土壤含水量模拟的平均相对误差(MARE)最大为0.0629,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)都在0.87以上。因此,BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。
References
[1] 张展羽,赖明华,朱成立.非充分灌溉农田土壤水分动态模拟模型[J].灌溉排水学报,2003,22(1):22-25 [2] 李英能.对节水灌溉工程规划若干问题的探讨[J].水利规划与设计,2005(3):1-5 [3] 张丽丽.土壤水分垂直方向相关性研究和动态预报.武汉:华中农业大学,2007:1-2 [4] 张学礼,胡振琪,初士立.土壤含水量测定方法研究进展[J].土壤通报,2005,36(1):119-123 [5] 申慧娟,严昌荣,戴亚平.农田土壤水分预测模型的研究进展及应用[J].生态科学,2003,22(4):366-370 [6] 粟容前,康绍忠,贾云茂.农田土壤墒情预报研究现状及不同预报方法的对比分析[J].干旱地区农业研究,2005,23(6):194-199 [7] 赵西宁,王万忠,吴普特,等.坡面入渗的人工神经网络模型研究[J].农业工程学报,2004,20(3):48-50 [8] 刘国东,丁晶.BP网络用于水文预测的几个问题探讨[J].水利学报,1999,30(1):65-70 [9] 朱星明,卢长娜,王如云,等.基于人工神经网络的洪水水位预报模型[J].水利学报,2005,36(7):806-811 [10] 李家科,周孝德,李亚娇,等.RBF神经网络方法在水质评价中的应用[J].灌溉排水学报,2003,22(6):70-73 [11] 韩耀宗,黄亮亮,宋新山,等.基于小波神经网络的芦苇潜流人工湿地水质预测[J].环境科学研究,2009,22(12):1460-1465 [12] Frate F D,Ferrazzaoli P,Schiavon G.Retrieving soil moisture and agricultural variables by microwave radiometry using neural net works[J].Remote Sensing of Environment,2003,84(2):174-183 [13] 尚松浩,毛晓敏,雷志栋,等.冬小麦田间墒情预报的BP神经网络模型[J].水利学报,2002,33(4):60-63 [14] 刘洪斌,武伟,魏朝富.基于神经网络的土壤水分预测建模研究[J].水土保持学报,2003,17(5):59-62 [15] 李兴旺,冯宝平.基于BP神经网络的土壤含水量预测[J].水土保持学报,2002,16(5):117-119 [16] 朱凯,王正林.精通MATLAB神经网络[M].北京:电子工业出版社,2010:193-198 [17] Chen J L,Islam S,Biswas P.Nonlinear dynamics of hourly ozone concentrations:nonparametric short term prediction[J].Atmospheric Environment,1998,32(11):1839-1848
Full-Text
Contact Us
service@oalib.com
QQ:3279437679
WhatsApp +8615387084133
