川中丘陵区坡面土壤侵蚀预测的人工智能建模研究

发布时间：2022-01-22 07:46

　　土壤侵蚀已成为我国面临的最严峻的生态环境问题之一,开展土壤侵蚀预测是有效进行水土流失监测、水土保持措施效果评估的重要基础工作；土壤侵蚀预测模型正是实施这一工作的有效手段。当前有关土壤侵蚀预测模型已有多种,如经验、物理、分布式和概念等模型,但这些模型都需要大量的长系列历史数据,而我国水土保持试验观测存在起步晚等现实条件,观测数据有限。因此,寻找在较短系列数据基础上准确预测其土壤侵蚀的模型,成为当前研究的热点和难点。本研究利用地处川中丘陵区的遂宁水土保持试验站6个径流小区1991～2000年的观测数据,采用基于Matlab的BP神经网络和支持向量机（SVM）两种人工智能技术,对该区分别进行了5因子、9因子、10因子及特定耕作方法下的坡面土壤侵蚀建模及预测,探讨了川中丘陵区土壤侵蚀的BP神经网络和SVM建模预测的方法、推广潜力及模型优化的途径。研究中对试验区的顺坡垄作、横坡垄作等11种耕作方法的P值进行了定量化,并将其作为输入因子之一用于BP神经网络和SVM预测建模,取得很好的效果。其主要结果如下：1、针对研究区,降雨量、降雨历时与土壤侵蚀存在极显著相关关系,植被覆盖率与土壤侵蚀存在显著相关... 

【文章来源】：四川农业大学四川省 211工程院校

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 前言
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 土壤侵蚀预测模型研究现状
        1.2.2 人工智能技术在土壤侵蚀领域的研究进展
        1.2.3 川中丘陵区土壤侵蚀研究进展
    1.3 本研究内容、目的及意义
    1.4 研究区域概况
        1.4.1 试验场设计
        1.4.2 试验处理
        1.4.3 观测方法
    1.5 研究技术路线
2 人工神经网络理论及其预测概述
    2.1 神经网络的基本理论
    2.2 神经网络的特点
    2.3 常见的神经网络
        2.3.1 常见的神经网络类型
        2.3.2 BP神经网络
    2.4 神经网络的学习方法
3 支持向量机理论概述
    3.1 支持向量机基础理论
        3.1.1 VC维
        3.1.2 经验风险最小化准则
        3.1.3 结构风险最小化归纳原则
    3.2 常见的支持向量机
        3.2.1 支持向量分类机
        3.2.2 支持向量回归机
4 BP神经网络和SVM的MATLAB实现
    4.1 MATLAB软件介绍
    4.2 BP神经网络预测在MATLAB中的实现
        4.2.1 Matlab的神经网络工具箱
        4.2.2 基于BP神经网络预测方法在Matlab中的实现步骤
    4.3 SVM预测在MATLAB中的实现
        4.3.1 SVM工具箱
        4.3.2 基于SVM预测方法在Matlab中的实现步骤
5 基于BP神经网络及SVM方法的土壤侵蚀预测建模
    5.1 预测建模步骤
        5.1.1 数据准备及预处理
        5.1.2 创建模型并设置相应参数
        5.1.3 训练模型
        5.1.4 测试和修改模型
    5.2 预测精度规定
    5.3 试验1:基于5个输入因子建模
        5.3.1 基于BP神经网络的预测建模
        5.3.2 SVM预测建模
    5.4 试验2:基于9个输入因子建模
        5.4.1 基于BP神经网络的预测建模
        5.4.2 SVM预测建模
    5.5 试验3:基于10个输入因子建模
        5.5.1 水土保持措施因子—P值的量化
        5.5.2 基于BP神经网络的预测建模
        5.5.3 SVM预测建模
    5.6 试验4:特定耕作方法单独建模
        5.6.1 基于BP神经网络的预测建模
        5.6.2 SVM预测建模
6 结果与讨论
    6.1 研究结果
    6.2 讨论
        6.2.1 水土保持措施因子(P)值的量化
        6.2.2 BP神经网络及SVM在土壤侵蚀预测中的应用
        6.2.3 BP神经网络及SVM在土壤侵蚀预测中的推广
        6.2.4 BP神经网络及SVM在土壤侵蚀建模预测过程中的优化
参考文献
致谢
硕士期间发表的论文



本文编号：3601815