应用集成BP神经网络模型预测土壤有机质空间分布

发布时间：2018-01-14 23:34

  本文关键词：应用集成BP神经网络模型预测土壤有机质空间分布　出处：《江苏农业学报》2017年05期 　论文类型：期刊论文

  更多相关文章： 土壤有机质 Adaboost算法 BP神经网络 空间分布预测

【摘要】：基于2014年江西省万年县测土配方施肥数据,以地理坐标、高程和坡度以及邻近样点信息作为网络的输入变量,采用集成BP神经网络模型(BPNN-Ada模型)预测土壤有机质的空间分布,并与未集成的BP神经网络模型(BPNN模型)和普通克里金模型(OK模型)进行比较。结果表明,3种模型的预测精度大小顺序为BPNNAda模型BPNN模型OK模型。集成BP神经网络模型预测精度最高,效果最好,比较符合土壤有机质地学分布规律及实际情况。BPNN-Ada模型克服了BP神经网络局部搜索能力差和易陷入全局最优的缺点,提高了BP神经网络的泛化能力。
[Abstract]:The spatial distribution of soil organic matter is predicted by using integrated BP neural network model ( BPNN - ADA model ) . The results show that the prediction accuracy of three models is the BPNN Model BPNN model OK model . The results show that the prediction accuracy of three models is the highest and the effect is best , which accords with the distribution law of soil organic texture and the actual situation . The BPNN - ADA model overcomes the disadvantages of local search energy difference and global optimum in BP neural network , and improves the generalization ability of BP neural network .

【作者单位】： 江西农业大学国土资源与环境学院/江西省鄱阳湖流域农业资源与生态重点实验室;南方粮油作物协同创新中心;
【基金】：国家自然科学基金项目(41361049) 江西省自然科学基金项目(20122BAB204012) 江西省赣鄱英才“555”领军人才项目(201295)
【分类号】：S153.6;TP183
【正文快照】： distribution从2005年4月开始,农业部门在全国200个县开展第1批测土配方施肥试点工作,旨在准确测定耕地土壤养分含量从而进行精准施肥。快速准确地获取土壤养分含量是有效管理土壤资源、科学规划土地利用、精准农业施肥的基础[1]。目前基于实地采样获取的土壤养分信息远远不能

【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 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

4 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

5 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

6 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

7 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

8 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

9 金志凤;符国槐;黄海静;潘永地;杨再强;李仁忠;;基于BP神经网络的杨梅大棚内气温预测模型研究[J];中国农业气象;2011年03期

10 丁卓平,丁加明;基于改进BP神经网络的坡面雨滴溅蚀量研究[J];山西建筑;2005年08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

相关博士学位论文 前2条

1 姜利;九宫山垂直带土壤有机质矿化特征及其稳定性机制[D];华中农业大学;2016年

2 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年

相关硕士学位论文 前7条

1 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

2 王磊;基于成像光谱技术的耕地土壤有机质遥感监测方法研究[D];河南理工大学;2016年

3 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

4 李林蔚;县域耕地质量评价、更新及其时空格局变化分析研究[D];华中农业大学;2015年

5 高铭悦;基于神经网络的安徽省粮食产量组合预测研究[D];安徽农业大学;2016年

6 陈巧燕;基于BP神经网络和支持向量机的耕地质量评价方法研究[D];福建农林大学;2017年

7 庄严;农业节水技术潜力评价方法研究[D];中国农业科学院;2006年

，

本文编号：1425844