基于bp神经网络的太湖典型农田土壤水分动态模拟

《基于bp神经网络的太湖典型农田土壤水分动态模拟》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、土壤水分记录仪：http://www.trsfyq.com/http://nauxb．njau．edu．cn林洁，陈效民，张勇，等．基于BP神经网络的太湖典型农田土壤水分动态模拟［J］．南京农业大学学报，2012，35(4):1

2、40－144基于BP神经网络的太湖典型农田土壤水分动态模拟*林洁，陈效民，张勇，潘根兴，张旭辉(南京农业大学资源与环境科学学院，江苏南京210095)摘要:收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料，运用BP(backpropagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速)，以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练，用剩余的64组实测样

3、本进行检验。结果表明:0～14cm和14～33cm土壤含水量模拟的平均相对误差(MARE)最大为0．0629，均方根误差(RMSE)最大为1．764，不同土壤层次的训练样本和检验样本的精度(PA)都在0．87以上。因此，BP神经网络用于太湖典型农田的土壤水分动态模拟是可行的。关键词:土壤水分动态;敏感性因子;BP神经网络;模型;太湖流域中图分类号:S274．1文献标志码:A文章编号:1000－2030(2012)04－0140－05SimulationofsoilmoisturedynamicsbasedontheBPneuralnetworki

4、nthetypicalfarmlandofTaiLakeregion*LINJie，CHENXiao-min，ZHANGYong，PANGen-xing，ZHANGXu-hui(CollegeofResourcesandEnvironmentalSciences，NanjingAgriculturalUniversity，Nanjing210095，China)Abstract:Themeteorologicaldataandsoilmoisturedataoftwotimeintervals(October，2010toDecember，201

5、0，andMarch，2011toJune，2011)inthetypicalfarmlandofTaiLakeregionwerechoseninthisstudy．ByusingBP(backpropagation)neuralnetworkanddefaultfactormethod，themainmeteorologicalfactorsaffectingsoilmoisturedynamicwereconfirmed，whichwereprecipitation，evap-oration，averagetemperature，avera

6、gesurfacetemperatureandtheaveragewindspeed．ABPneuralnetworkmodelforsimulatingthesoilmoisturedynamicinstudyareawasestablished．100groupsofmeasuredsamplewereusedtotraintheneuralnetwork，whiletheremaining64groupswereusedformodeltest．Theevaluationstandardofmodelsimulationshowedabet

7、tersimulatedresults(themaximalMAREandRMSEofsoilmoisturesimulationin0－14cmlayerand14－33cmlayerwere0．0629and1．764respectively，whilebothprecisionsweremorethan0．87)，whichindicatedthatBPneuralnetworkcouldbeusedforthesimulationofsoilmoisturedynamicintypicalfarmlandofTaiLakeregionwa

8、sfeasible．Keywords:soilmoisturedynamic;sensitivityfactor;BPneuralnet