基于BP神经网络的Gardner模型参数预测

发布时间：2019-05-10 05:55

【摘要】：为了准确推求包气带土壤的持水性能和水分运动参数,以黄土高原区田间耕作层土壤水分特征曲线的试验资料为数据样本,建立了以易于通过试验手段获取的土壤基本理化参数为输入变量,以土壤水分特征曲线Gardner模型参数为输出变量的BP预测模型。所建立的预测模型对两参数预测值的平均相对误差在6%以下,在可接受的范围。研究结果表明:选取土壤体积质量、有机质量、黏粒量、粉粒量以及无机盐量等基本理化参数作为预报模型的输入因子是合理的,所建立的土壤水分特征曲线Gardner模型参数BP预报模型可靠。研究结果可为黄土高原区包气带土壤持水性能和水分运动参数的准确获取提供借鉴。
[Abstract]:In order to accurately calculate the water holding capacity and water movement parameters of the aerated zone, the experimental data of the soil moisture characteristic curve of the field farming layer in the Loess Plateau were taken as the data samples. A BP prediction model was established, in which the basic physical and chemical parameters of soil, which were easy to be obtained by experimental means, were taken as input variables and the parameters of Gardner model of soil moisture characteristic curve as output variables. The average relative error of the prediction model for the two parameters is less than 6%, which is in the acceptable range. The results show that it is reasonable to select the basic physical and chemical parameters such as soil volume mass, organic mass, clay content, powder quantity and inorganic salt content as the input factors of the prediction model. The BP prediction model of Gardner model parameters for soil moisture characteristic curve is reliable. The results can be used for reference for the accurate acquisition of soil water holding capacity and water movement parameters in the aerated zone of the Loess Plateau.
【作者单位】： 太原理工大学水利科学与工程学院;
【基金】：国家自然科学基金项目(40671081)
【分类号】：S152.7

【相似文献】

相关期刊论文 前10条

1 乔加新;周森鑫;马季;;基于BP神经网络的农业气象产量预报系统[J];微计算机信息;2009年35期

2 毕昆;姜盼;唐崇伟;黄菲菲;王成;;基于麦穗特征的小麦品种BP分类器设计[J];中国农学通报;2011年06期

3 张增强,孟昭福,张一平;对Elovich方程的再认识[J];土壤通报;2000年05期

4 石晓蕾;徐绍辉;廖凯华;;求van Genuchten模型参数的AM-MCMC方法[J];土壤;2012年02期

5 刘建学,吴守一;BP神经网络预测高水分农产品物料比热的探索[J];江苏理工大学学报(自然科学版);1999年01期

6 张敬平;;用BP神经网络预测土壤入渗参数时隐层神经元数分析[J];山西水土保持科技;2008年03期

7 董建志;曹龙熹;张科利;;BP神经网络在道路土壤分离速率模拟中的应用[J];中国水土保持科学;2010年04期

8 甘信华;石勇;林保国;;基于MATLAB的BP神经网络在大气环境质量评价中的应用[J];安徽化工;2008年05期

9 周良臣,康绍忠,贾云茂;BP神经网络方法在土壤墒情预测中的应用[J];干旱地区农业研究;2005年05期

10 李文峰;;BP神经网络在许昌土壤墒情预测模型的应用[J];中国农学通报;2013年32期

相关会议论文 前2条

1 王凤花;张淑娟;张海红;赵华民;赵聪慧;;基于粗糙集理论和BP神经网络的大豆产量预测[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

2 吐尔逊·艾山;塔西甫拉提·特依拜;;基于BP神经网络的盐碱土盐分反演模型研究[A];中国地理学会百年庆典学术论文摘要集[C];2009年

相关硕士学位论文 前5条

1 于mU;土壤水分特征曲线Gardner模型参数的预报模型研究[D];太原理工大学;2017年

2 石晓蕾;马尔科夫链蒙特卡罗法（MCMC）在van Genuchten模型参数不确定性分析中的应用[D];青岛大学;2012年

3 许一骅;领域知识引导的作物模型参数智能优化框架研究[D];南京农业大学;2015年

4 周泽世;基于BP神经网络的降雨量预测研究[D];湖南农业大学;2015年

5 武文红;基于BP神经网络的半湿润平原井灌区土壤墒情预报研究[D];山东农业大学;2010年

，

本文编号：2473393