基于BP人工神经网络的土壤含水量预测模型的研究.pdfVIP

山东 农 业科 学 2012，44(12)：11～15 ShandongAgriculturalSciences 基于 BP人工神经网络的土壤 含水量预测模型的研究 郭庆春 ，王素娟 ，何振芳 (1．陕西广播电视大学，陕西 西安 710068；2．山东省农业可持续发展研究所 ，山东 济南 250100； 3．中国科学院寒区旱区环境与工程研究所，甘肃 兰州 730000) 摘 要：土壤含水量是制约植物生长的主要因子之一，因此科学地预测土壤含水量对充分利用土壤水资 源具有十分重要的意义。提出了基于 BP人工神经网络的土壤含水量预测模型，BP人工神经网络采用收敛 速度较快和误差精度较高的动量一自适应学习速率调整算法。并通过基于这种模型的土壤含水量预测实验， 结果表明BP人工神经网络预测模型提高了收敛速度和减少陷入局部最小的可能，并且提高了预测精度。 关键词：人工神经网络；土壤含水量；预测 中图分类号：S152．7；TP183 文献标识号：A 文章编号 ：1001—4942(2012)12—0011—05 StudyonForecastingM odelofSoilW aterContentbased onBP ArtificialNeuralNetwork GuoQingChun，WangSuJuan，HeZhenFang (1．ShanxiRadioTVUniversity，Xi’an710068，China； 2．ShandongInstituteofAgriculturalSustainableDevelopment，Jinan250100，China； 3．ColdandAridRegions EnvironmentalandEngineeringResearchInstit~e， ChineseAcademyofSciences，Lanzhou730000，China) Abstract Soilmoistureisoneofthefactorsrestrictingplantgrowth，SOithasgreatsignificancetoscien— tificallyforecastsoilmoistureformakingfulluseofsoilwater．Inthispaper，thesoilmoisturepredictingmod— elwasputforwardbasedontheBPneuralnetwork．TheBP neuralnetwork usingadaptivelearningratemo- mentum algorithm hasfastconvergencerateandhigh errorprecision．Accordingtothesoilmoistureforecast experiment，theBPneuralnetworkpredictingmodelincreasedtheconvergencerate，reducedthepossibilityof gettingintolocalminimum，andimprovedthepredictionaccuracy． Keywords Artificialneuralnetwork；Soilmoisture；Prediction 土壤水分在地表与大气间的物质和能量交换 须”现象；水分过多，影响根系呼吸及生长，引起 中起着极为重要的作用，是陆地地表参数化的一 乙醇等有害物质的积累，同时厌氧菌活动旺盛，容 个关键变量，同时也是农作物生长发育的基本条 易造成烂根和疾病发生 ；朱同彬等(2008)[22探 件和产量预报模型中的重要参量。土壤水分也是 讨了不同水分条件对土壤酶活性的影响和土壤酶 土壤的重要物理参数，它对植物存