基于神经网络的土壤重金属预测模型研究.docVIP

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；MATLAB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 　　Abstract Changes of heavy metal content in the soil have the characteristics of nonlinear，large time delay，and it is difficult to set up the precise model of soil heavy metal in a traditional way. Artificial neural network has the advantage of approximating the nonlinear function，it is an ideal method for dealing with the complex problems such as prediction of soil heavy metal. A prediction model of soil heavy metal based on artificial neural network was established by applying a dynamic self-adaptive learning method and model optimization.This model was completed by programming with neural network toolbox of MATLAB.The results showed that the average relative error was less than 1% between the value of prediction and the measured value when the trained network was applied in prediction.Prediction model of soil heavy metal which constructed based on artificial neural network has good precision and accuracy，and it can effectively predict the status of heavy metals in soil. 　　Key words soil heavy metal；artificial neural network；prediction model；toolbox of MATLAB 　　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（cial neural network，ANN）建立各种环境因子预测模型对其预测是很好的解决方法。 　　在ANN应用的模型中，以前馈反向传播网络（back-propagationneural network，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