基于改进的BP神经网络对蓄水坑灌冬季果园土壤温度预测

发布时间：2022-07-27 18:33

　　为准确预测冬季果园土壤温度,建立了蓄水坑灌条件下BP神经网络土壤温度预测模型（BP-WSPI-T）、遗传算法优化的BP神经网络土壤温度预测模型（GA-WSPI-T）和增量逆传播学习算法优化的BP神经网络土壤温度预测模型（IBP-WSPI-T）,采用坑内平均气温、地表温度、沿相邻两蓄水坑中心连线距坑壁的距离和距坑壁5 cm处分层土壤最低温度为模型输入,对距坑壁15、25和35 cm处分层土壤最低温度进行预测,并通过与田间实测数据的统计学分析来判定预测效果。结果表明:BP-WSPI-T、GA-WSPI-T和IBP-WSPI-T模型的平均相对误差分别为8.19%、4.41%和7.57%,GA-WSPI-T模型的预测效果最好,较BP神经网络预测精度得到了很大的提高,建议采用GAWSPI-T模型对蓄水坑灌冬季果园土壤温度进行预测。 

【文章页数】：5 页

【文章目录】：
0 引言
1 材料与方法
    1.1 试验区概况
    1.2 试验设计及项目测定
    1.3 数据处理及模型评价
2 模型构建
    2.1 BP神经网络模型
    2.2 遗传算法优化的BP神经网络模型
    2.3 增量逆传播学习优化算法的BP神经网络模型
3 结果分析
    3.1 训练组结果分析
    3.2 预测组结果分析
4 结语


【参考文献】：
期刊论文
[1]蓄水坑灌苹果园冬季土壤温度分布动态预测模型[J]. 王晓磊,郭向红,孙西欢,马娟娟,雷涛,曹鹭.  节水灌溉. 2017(12)
[2]蓄水坑灌条件下土壤贮水量预测模型对比研究[J]. 雷涛,郭向红,孙西欢,马娟娟,赵运革.  人民黄河. 2017(10)
[3]蓄水坑灌土壤水分分布特征研究[J]. 樊晓波,孙西欢,郭向红,马娟娟.  中国农村水利水电. 2013(03)
[4]烟台地区土壤温度变化特征及预测模型研究[J]. 王选耀.  农业系统科学与综合研究. 2010(04)
[5]基于偏相关分析的烟台市土壤温度影响因素及预测模型研究[J]. 崔素芳,张振华,姚付启,张燕,任尚岗.  山东农业科学. 2010(01)
[6]烟台果园土壤温度影响因素及其预测模型研究[J]. 姚付启,张振华,钱为君.  农业系统科学与综合研究. 2008(02)
[7]蓄水坑灌法技术要素初探[J]. 孙西欢,马娟娟,周青云,郭向红,王芳.  沈阳农业大学学报. 2004(Z1)

硕士论文
[1]基于BP神经网络的车载设备故障诊断与预测研究[D]. 吴渊.北京交通大学 2016
[2]蓄水坑灌不同蓄水坑结构型式条件下果园冬季土壤温度分布特征研究[D]. 李俊杰.太原理工大学 2015
[3]不同覆盖方式下蓄水坑土壤温度变化特征研究[D]. 张亚琼.太原理工大学 2013



本文编号：3665965