基于支持向量机的冻融土壤入渗参数预测

发布时间：2018-12-08 10:54

【摘要】：以提高冻融条件下农田土壤灌溉水利用率为目的,基于汾河灌区冻融期内土壤入渗试验,运用支持向量机理论,建立了以冻融条件下土壤含水率、质地、容重、地温和灌溉水温为输入变量,Kostiakov入渗模型参数k、α为输出变量的支持向量机回归预测模型。预测模型误差分析表明:入渗系数k与入渗指数α的训练样本相对误差与检验样本相对误差都控制在10%以内,将k与α代入Kostiakov入渗模型得到的90 min累计入渗量I_(90)的相对误差平均值为5.81%。说明冻融土壤条件下,基于支持向量机理论的Kostiakov入渗模型参数的预测是可行的。
[Abstract]:In order to improve the utilization ratio of farmland soil irrigation water under freezing and thawing conditions, based on the soil infiltration test during freezing and thawing period in Fenhe irrigation area, the soil moisture content, texture and bulk density under freezing and thawing conditions were established by using support vector machine theory. The prediction model with support vector machine (SVM) is used to predict the ground temperature and irrigation water temperature, the parameters of Kostiakov infiltration model k and 伪 are output variables. The prediction model error analysis shows that the relative error between the training sample and the test sample of the infiltration coefficient k and the infiltration index 伪 is controlled within 10%. The average relative error of 90 min cumulative infiltration I _ (90) obtained by substituting k and 伪 into Kostiakov infiltration model is 5.81. It shows that the prediction of parameters of Kostiakov infiltration model based on support vector machine theory is feasible under the condition of freeze-thaw soil.
【作者单位】： 太原理工大学水利科学与工程学院;
【基金】：国家自然科学基金资助项目(40671081)
【分类号】：S152.72

【相似文献】

相关期刊论文 前10条

1 肖培灵;马军海;耿立艳;;基于灰色支持向量机组合模型的农产品产量预测[J];中国农机化;2010年01期

2 高永娜;郑华珠;刘沈;詹德平;刘洪波;;支持向量机方法在气温预报中的应用[J];宁夏农林科技;2012年06期

3 卢敏;蒋浩;杨岱根;;支持向量机在农业水土领域的应用与研究进展[J];安徽农业科学;2012年29期

4 樊高峰;张勇;柳苗;毛燕军;;基于支持向量机的干旱预测研究[J];中国农业气象;2011年03期

5 孙超;孟军;栾雨时;;基于支持向量机分类算法的番茄miRNA预测[J];计算机工程与应用;2012年14期

6 李淼;方德洲;张建;徐大庆;张强;;一种基于支持向量机的模糊施肥预测方法研究[J];计算机应用与软件;2009年02期

7 吕烨;阮本清;管孝艳;王少丽;;基于支持向量机的微咸水灌溉下土壤盐分预测[J];中国水利水电科学研究院学报;2014年02期

8 郑立华;李民赞;安晓飞;孙红;;基于近红外光谱和支持向量机的土壤参数预测[J];农业工程学报;2010年S2期

9 杨绍锷;黄元仿;;基于支持向量机的土壤水力学参数预测[J];农业工程学报;2007年07期

10 蔡奎生;;支持向量机在耕地面积预测中的应用研究[J];计算机仿真;2011年09期

相关会议论文 前1条

1 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田二氧化碳通量建模[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（上册）[C];2004年

相关硕士学位论文 前3条

1 伍岳;基于PSO-KSVM的湘中农业灾害面积预测方法研究[D];湖南人文科技学院;2016年

2 黄婷;基于支持向量机的土壤基础肥力评价和土壤有机质含量预测研究[D];南京农业大学;2015年

3 吴问天;基于改进最小二乘支持向量机的小麦病虫害遥感监测研究[D];安徽大学;2017年

，

本文编号：2368230