土壤水分特征曲线Gardner模型参数的预报模型研究

发布时间：2018-04-05 05:17

本文选题：土壤水分特征曲线　切入点：Gardner模型参数　出处：《太原理工大学》2017年硕士论文

【摘要】：土壤非饱和带又称包气带,是处在大气层和地下含水层之间进行水分转换的过渡带,也是作物根系生长的主要区域。土壤水分特征曲线是研究包气带土壤持水性能的基本特性曲线之一,它描述了土壤水数量和能量之间的非线性关系。深入分析研究土壤水分特征曲线可为进行科学的农田灌溉,实现作物水分的高效利用提供借鉴,同时也可为推求土壤水分蒸发、入渗和溶质运移过程中的各种水分运动参数提供理论依据。针对土壤水分特征曲线试验方法操作技术难度大、耗时费力等诸多缺陷,本文基于黄土高原包气带土壤的土壤水分特征曲线Gardner模型参数和土壤基本理化参数的试验大样本,选择土壤水分特征曲线Gardner经验模型,借助土壤传递函数的方法,建立了Gardner经验模型参数的非线性预报模型、灰色BP神经网络预报模型和支持向量机预报模型,对土壤水分特征曲线Gardner模型参数的解析和预测进行了较为深入的研究。主要研究内容包括:(1)Gardner模型参数和土壤基本理化参数的大样本的建立。利用1500F型陶瓷压力膜仪测定了不同类型黄土的土壤水分特征曲线,并配套测定了样本土壤的质地、体积质量、有机质含量和无机盐含量等基本理化参数,建立了黄土高原包气带土壤水分特征曲线Gardner模型参数和土壤基本理化参数的大样本。(2)Gardner模型参数的主要和次要影响因素分析。采用单因子分析法深入分析各基本理化参数对土壤水分特征曲线Gardner模型参数的影响及其机理,并求解定量函数关系。在此基础上通过灰色关联度计算实现了各影响因子与模型参数关联程度的大小排序,确定土壤水分特征曲线Gardner模型参数的主要和次要影响因素。(3)Gardner模型参数的预测模型的建立。基于相同的建模样本,分别建立多元非线性预报模型、灰色BP神经网络预报模型以及支持向量机预报模型。通过实例检验,对三种预报模型进行了预测精度和结构形式等方面的对比分析,推荐适用于黄土高原区土壤水分特征曲线Gardner模型参数间接获取的最优土壤传递函数预报模型。本论文主要研究结论如下:(1)Gardner模型参数a、b的主要影响因素有:土壤黏粒含量、粉粒含量、土壤体积质量、有机质含量、含无机盐含量等。土壤含黏粒量与Gardner模型参数a、b成对数关系,土壤含粉粒量与Gardner模型参数a、b成对数关系,土壤体积质量与Gardner模型参数a、b成线性关系,土壤含有机质量与Gardner模型参数a、b成对数关系,土壤含无机盐量与Gardner模型参数a、b成对数关系。(2)影响土壤水分特征曲线Gardner模型参数a和b的土壤基本理化参数灰色关联排序相同,关联度由大到小依次是土壤体积质量土壤含黏粒量土壤含粉粒量土壤含砂粒量土壤含有机质量土壤含无机盐量。最后选择土壤体积质量、土壤含黏粒量和粉粒量、土壤含有机质量和无机盐量作为多元非线性预报模型、灰色BP神经网络预报模型和支持向量机预报模型的输入因子。(3)基于土壤基本理化参数对Gardner模型参数a和b进行预测是可行的。多元非线性预报模型结构形式简单,计算简便,但是前期工作量大,需要拟合单因素方程和多次T值检验才能确定模型结构形式,预测精度相对较低,即2个参数的平均相对误差在17%以内。灰色BP神经网络预报模型和支持向量机预报模型结构形式较为复杂,需要借助计算机程序完成预报。灰色BP神经网络预报模型和支持向量机预报模型的预报精度相近,平均相对误差控制在10%以内,但是BP神经网络存在对样本依赖大和容易陷入过拟合的缺陷,而针对支持向量机预报模型参数选取困难的问题,本论文探索了基于均方根误差最小值的建模参数选取的新方法,合理确定了支持向量机模型参数,保证了模型的预报精度。(4)支持向量机预报模型是推荐模型。文中所建三种预报模型的预报精度均可满足农业生产活动的基本要求,并可对黄土高原区田间土壤水分特征曲线模型Gardner模型参数的预报提供借鉴。从预报精度和结果可信度出发,推荐采用支持向量机预报模型完成对土壤水分特征曲线Gardner模型参数的预报。存在问题与改进意见:(1)本文的完成基于本人研究生学习阶段所完成的试验样本,由于时间和所取土样代表性的限制,在建立预报模型过程中明显感觉样本数据的欠完善,因此,在今后的研究中应强化对样本数据的扩充。(2)在输入因子的选择方面仅是考虑了土壤水分特征曲线模型参数的主要影响因子,其他次要因子如土壤酸碱度、土壤温度以及重金属离子等本文均未考虑,在后续研究中需要更全面合理的确定影响因子,优化模型微观结构,进一步提高模型的预报精度。
[Abstract]:......
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S152.7

【参考文献】