基于神经网络的土壤重金属预测模型研究

《基于神经网络的土壤重金属预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于神经网络的土壤重金属预测模型研究　　摘要土壤中重金属含量变化具有非线性、大延时等特点，很难用传统方法建立土壤重金属预测的精确模型。BP神经网络具有良好的非线性函数逼近能力，非常适合处理土壤预测等复杂问题。利用神经网络模型，通过自适应的动态学习方法和模型优化，采用MATLAB神经网络工具箱建立了土壤重金属预测模型。在预测模型中输入测试样本，将预测结果与实测值进行比较，平均相对误差小于1%。结果表明，所构建的基于BP神经网络的土壤重金属预测模型具有良好的精确性和准确性，能有效预测土壤中重金属的状况。　　关键词土壤重金属；神经网络；预测模型；MATL

2、AB工具箱　　中图分类号X53文献标识码A文章编号1007-5739（2016）19-0178-03　　AbstractChangesofheavymetalcontentinthesoilhavethecharacteristicsofnonlinear，largetimedelay，anditisdifficulttosetuptheprecisemodelofsoilheavymetalinatraditionalway.Artificialneuralnetworkhastheadvantageofapproximatingthenonli

3、nearfunction，itisanidealmethodfordealingwiththecomplexproblemssuchaspredictionofsoilheavymetal.Apredictionmodelofsoilheavymetalbasedonartificialneuralnetworkwasestablishedbyapplyingadynamicself-adaptive9learningmethodandmodeloptimization.Thismodelwascompletedbyprogrammingwithn

4、euralnetworktoolboxofMATLAB.Theresultsshowedthattheaveragerelativeerrorwaslessthan1%betweenthevalueofpredictionandthemeasuredvaluewhenthetrainednetworkwasappliedinprediction.Predictionmodelofsoilheavymetalwhichconstructedbasedonartificialneuralnetworkhasgoodprecisionandaccurac

5、y，anditcaneffectivelypredictthestatusofheavymetalsinsoil.　　Keywordssoilheavymetal；artificialneuralnetwork；predictionmodel；toolboxofMATLAB　　重金属是土壤中的重要组成部分，也是各类植物必要矿物质元素和膳食纤维素等多种营养元素成分[1]。Cu、Cr、Zn是土壤中必不可少的金属元素，在土壤系统中起着重要的作用。随着国内人们生活水平的日益提高，人们对土壤中重金属的含量越来越重视，土壤中Cu、Cr、Zn等重金属含量也直接影

6、响到人体的健康。适量的Cu、Cr、Zn对植物进行光合作用有着促进作用，但过量的Cu、Cr、Zn会破坏土壤结构，一方面，对土壤酶活性和植物生长等都有明显的抑制作用，植物会出现褐变畸形、生长不均等症状，从而对当地生态环境造成严重的影响[2]；另一方面，人在食用此地区种植的果蔬时，过量的Cu、Cr、Zn会对人体产生毒害[3-4]，如人体吸收过量的Cu会抑制许多酶的活性，使细胞膜受到严重损伤。由于土壤中重金属的含量、相互之间作用及联系，属多变量非线性问题[5]，应用人工神经网络（cialneural9network，ANN）建立各种环境因子预测模型对其预测

7、是很好的解决方法。　　在ANN应用的模型中，以前馈反向传播网络（back-propagationneuralnetwork，简称BP网络）最为常见且最具代表性模型类型。因为BP神经网络神经网络适用范围广、易操作、扩充性强，所以在实践中得到了广泛的使用[6-7]。本文研究采用BP神经网络，利用土壤相关化学性质和土壤中Cu、Cr、Zn含量之间的关系建立模型。以Cr为例，构建最优的土壤中铬的预测模型。　　1BP神经网络　　1.1BP神经网络原理　　人工神经网络是模仿人类大脑神经系统的结构和功能[8]，用于建立一种信息处理系统[9]。由于人工处理单元（神经

8、元）在网络中不同的联接方式形成了不同的人工神经网络模式，因此神经网络的类型也不尽相同[10]。其中BP神经网络工作状态稳定