基于人工智能计算技术的区域性土壤水盐环境动态监测

发布时间：2024-04-13 22:22

　　根据区域水环境监测与评价的要求,采用人工智能计算技术的BP神经网络模型进行二维区域性土壤水盐环境动态监测,仿真计算了河套灌区内两个实验区的区域土壤水盐动态值,绘制出水盐等值线图与三维透视图,将两年的预测成果对比分析。结果表明:隆胜实验区2002、2004两年春季耕作层土壤水分平均值稳定为21.0%,电导率平均值分别为0.35 m s/cm、0.42 m s/cm,有少量积盐。沙壕渠实验区两年春季耕作层土壤水分平均值分别为25.8%、21.8%,水分减少4%,而电导率明显增加,从0.44 m s/cm增至0.66 m s/cm,土壤耕层积盐明显,值得引起重视。由于BP神经网络技术对原始数据无参数及分布要求,不涉及特异值处理问题,可消除普通克立格法的平滑效应,具有较强的非线性拟合智能,对采样系统布置无严格要求,计算程序简单实用,是对常用地质统计学K rig ing传统预测方法的改进,有独特的优点,可应用于大面积土壤水盐动态监测工作。

【文章页数】：6 页

【部分图文】：

图5隆胜0～40cm层土样EC三维透视图

cm三层的水盐预测与估计,并用部分已知点进行检验,合格后绘出训练误差收敛图(如图3、4)、三维透视图(如图5、6)和等值线图(如图7、8)。篇幅所限,下文仅列出2004年两实验区部分水盐预测成果及图件。图3　沙壕渠0～40cm层土样水分训练误差收敛图Fig.3　Training....

图7沙壕渠0～40cm层土样θ等值线图(等值距为2.0%)

cm三层的水盐预测与估计,并用部分已知点进行检验,合格后绘出训练误差收敛图(如图3、4)、三维透视图(如图5、6)和等值线图(如图7、8)。篇幅所限,下文仅列出2004年两实验区部分水盐预测成果及图件。图3　沙壕渠0～40cm层土样水分训练误差收敛图Fig.3　Training....

图8沙壕渠0～40cm层土样EC等值线图

图8　沙壕渠0～40cm层土样EC等值线图(等值距为0.5ms/cm)Fig.8　Isogramofsaltcontentin40cmlayeratShahaoquexperimentalareas(Equipollentintervalis0.5....

图10沙壕渠0～40cm层盐分检验点误差图

由图9可分析2004年沙壕渠0～20cm含水率检验点数为143个,平均误差1.7%,最大误差5.0%,含水率检验一致通过;图10结果表明2004年沙壕渠0～图9　沙壕渠0～20cm层水分检验点误差图Fig.9　Pointerrorplotofwatercontent....

本文编号：3953708