开发建设项目土壤侵蚀预测模型的研究.pdfVIP

开发建设项目土壤侵蚀预测模型研究 伊燕平，许晓鸿，田立生 (吉林省水土保持科学研究院，长春130033) 摘要：土壤侵蚀受多种随机性、模糊性和灰色性等不确定性因素影响，是一个复杂的非线性系统。本文针对吉林省 开发建设项目土壤侵蚀情况。应用径向基函数神经网络模型。开展了开发建设项目土壤侵蚀预测研究．研究表明开 发建设项目土壤侵蚀的发生主要集中在坡度较陡的丘陵区，其次是在平原农田区，而林区的土壤侵蚀不明显。开发 建设项目土壤侵蚀预测研究取得了较好的结果，为日后防治水土流失、保护和改善项目建设区及周边地区的生态环 境提供了重要依据。 关键词：土壤侵蚀，预测模型．开发建设项目 1引言 目前，我国经济社会的发展正处在城市化、工业化、现代化进程中，有些基础建设项目在施工 建设和生产运行进程中，占压、破坏了大量的原始地貌及植被，产生了大量弃土弃渣。造成严重的 土壤流失l。然而。在开发建设项目水土流失预测的工作中，定位观测和动态数据都十分缺乏忙1。因 此，建立一种科学的水土流失预测方法和手段就显得尤为重要。 人工神经网络是20世纪80年代兴起的一种处理复杂非线性问题的手段，被广泛用于模拟预测 和优化配置等方面I铆。土壤侵蚀受多种随机性、模糊性和灰色性等不确定性因素影响，是一个复杂 的非线性系统。针对土壤侵蚀过程的非线性、随机性、模糊性等特点p’。国内外已有学者将神经网 络模型应用到土壤侵蚀预测研究中，如：P．Licznar等通过神经网络模型对土壤侵蚀的产流产沙过 程进行模拟，结果准确H1；赵西宁等应用BP神经网络模型对土壤侵蚀产沙量进行预测，认为神经 网络模型比回归模型能更好地刻画出复杂的产沙过程嘲；张科利应用神经网络模型对土壤侵蚀进行 了预报研究q。 目前大多数神经网络土壤侵蚀预测模型采用BP(Back Propagation)网络，但BP神经网络存 在收敛速度慢、局部极小、网络的隐含层节点数难于确定，训练结果过于依赖初始值等缺陷弘蜘。本 次研究引入RBF神经网络模型这一新的定量研究方法进行土壤侵蚀预测研究。 2研究区土壤侵蚀概况 吉林省位于世界三大黑土区之一的东北黑土区中部，是中国重要的工业基地和商品粮生产基 地。各种开发建设项目较多、规模较大且分布很广。开发建设项目在建设与生产过程中，由于对土 石方大量的开挖、填筑与排弃。使得全省人为造成的水土流失面积广、数量大。调查结果显示，开 发建设项目水土流失的出现形式常为点状或线型、单一或综合的形式。大多是由破坏植被、扰动地 貌、采土取料、弃土弃渣等造成的。城镇建设、农林开发、采矿工程等项目占地比较集中，最易形 成点状的水土流失区域；公路、铁路、渠道、堤防、管线类工程等项目线路长．极易形成线型的水 土流失区域。 当前，吉林省正处于现代化建设的高速推进过程中，工业化、城镇化发展迅猛，与此同时。伴 随而来的开发建设活动也越来越多，对省内资源与环境的压力不断加大。随之人口的增长，人口与 水土资源的矛盾越来越突显，大量的开发建设更加剧了对生态环境的影响。 175 3开发建设项目水土流失预测 3．1数据来源 用类型完成了野外调查与采样工作。野外样品包括土样和水样(水样包括地表水和地下水)，分别 在4月、7月和10月进行三期同点采集。其中一期样品：土壤样品124件，水样15件；二期样品： 水样146件。土壤样品分析项为：速效氮、速效磷、有机质、pH、总氮和总磷。水样分析项为： 总氮、可溶性氮、总磷、可溶性磷。 此外，还对农业耕作方式及其施肥情况进行了居民点人户调查，对区内土地利用现状进行了 现场详勘。 3．2径向基函数神经网络 Basis 径向基函数(RadialFunction，RBF)神经网络是一种局部逼近的前馈式神经网络。它由 输入层、隐含层和输出层组成，隐含层采用径向基函数作为激励函数。选用合适的径向基函数是网 络得以实现的关键。径向基函数是局部分布、中心径向对称的、非负衰减的非线性函数．它的两个 参数(基中心和基宽度)将决定对输入产生显著响应的范围。 常选用高斯函数作为RBF网络的径向基函数，它的基本表达形式如下： Ri(x)一pl掣l