人工神经Kriging法在条件模拟和Kriging估值中的应用研究-农业工程学报.doc

文章编号： 人工神经网络在冻土水盐空间变异与条件模拟中的应用比较研究 屈忠义 陈亚新 杨靖宇 （内蒙古农业大学水利与土木建筑工程学院，呼和浩特，010018） 本文利用人工神经网络的BP模型建立了具有类似普通Kriging法和条件模拟运算目标的人工神经Kriging方法，在黄河河套平原进行了耕地和盐荒地初冻期、最大冻深期和融通期土壤水盐时空变异性的模拟和估值，通过NK法与OK法、CS法模拟、估值、检验结果及三种方法的理论变异函数、统计参数与实验变异函数的对比，NK法在消除滑动平均影响方面优于OK法，并可以类似于CS法的空间变异性模拟，而且NK法有自身独特的优点。它不需要协方差函数的估计和变异函数的推求，对于含有一定特异值和一维到三维空间的扩展有更强的适应性，是对空间变异性应用研究方法的一种补充，同时拓宽了ANN的应用领域，具学科融合的优势。 关键词：冻土水盐；空间变异性；人工神经网络；条件模拟 中图分类号： 文献标识码：A 0 引言 90年代以来，人工神经网络（Artificial Nerve Network, 简称ANN）应用的ANN是一种非线性变换单元组成的前馈网络，简称B-P网络，是目前众多的ANN模型中应用最为广泛的模型之一。2实验采样设计及人工神经Kriging法结构的选取 2.1 实验采样设计 试验区设在中国内蒙古河套灌区西部的沙壕渠试验站，在耕地（A，B点）和盐荒地（C,D,E点）设有长期定位观测点，定位点分层埋有温度传感器直到地下水，观测整个冻期非饱和带的温度变化，在观测点附近的相同深度采用剖面法取样，测定初冻期（11月下旬-12月上旬），最大冻深期（翌年的2月下旬-3月上旬），融通期（4月下旬-5月初）的非饱和带土壤水分和电导。文中采用1994-1995一个完整冻融季A点（耕地）与C点（盐荒地）的数据进行分析。其中水分、盐分分别以重量含水率（g/100g）和电导值(ms/cm)表示。土壤水分通过烘干法测试，全盐量采用质量法，电导值利用电导仪测定。 2.2 人工神经Kriging法结构的选取 表1 四层NK模型在不同冻融期模拟预测的结构设计 Table1 the structural design of NK model in different period 冻季 初冻期 最大冻深期 融通期 点名 A C A C A C 项目 盐分 水分 盐分 水分 盐分 水分 盐分 水分 盐分 水分 盐分 水分 隐层单元 8 8 8 8 18 14 20 18 26 20 24 20 学习速率 0.01 0.01 0.01 0.01 0.001 0.001 0.001 0.001 0.001 0.001 0.001 0.001 训练次数 2万次 2万次 2万次 2万次 5万次 5万次 5万次 5万次 5万次 5万次 5万次 5万次 考虑到地质统计学中OK法与CS法中变异函数对信息数据对和检验数据的要求，取NK模型的训练样本的容量与OK估值和CS所用的样本数据完全相同，检验点与对未知估计点也完全相同，便于三种方法的对比分析（样本选取的设计见表2）。由于条件模拟的特点，不仅能保持空间变量的自相关性，而且能够使实测点处的模拟值等于实测值，为了使NK的模拟结果与CS和OK法的结果对比，在对NK模型进行样本训练的过程中，尽可能的使训练结果的输出值与样本的实测值接近或相等，虽然有可能降低NK网络检验预报的泛化能力，但可以与CS结果进行对比，通过对三层与四层模型对样本训练结果的对比，发现四层模型对空间样本数据的拟合效果要好于三层，检验与预报结果也比较理想，故文中采用四层BP模型(见图1)，对于隐层单元数的确定，从文献[1]可知，对于NK网络模型，隐层单元数反应对样本信息的吸收同化能力，所以，隐层单元数与样本容量的大小和样本值的空间变异程度有关。通过试算和参考文献[1]中的推荐的隐层单元数量，对于不同冻融时期的BP模型采用不同的隐层单元数（详见表1），训练误差平方和取10-4。不同时期的模拟、检验、估值结果详见表2，图2（由于受论文篇幅的限制，文中只给出部分图表）。本文所用OK法和CS法均不考虑特异值的处理和稳健变异函数，利用作者编制的地质统计学计算软件进行计算，得到OK估值和CS模拟结果（见表2，图2） 3结果与分析 由于CS本质上是一种新的蒙特卡洛方法，故多次条件模拟可以得到多个不同的条件模拟现实[11，13]，CS的这种特性与神经网络的训练与模拟过程相似（网络的初始权值是随机赋值的，多次训练的结果也是不同的），条件模拟是BP网络应用随机初始权值训练的自然结果[1]，文中只给出CS与NK一次的模拟结果。 3.1模拟结果对比分析 三种方法对初冻期、最大冻深期与融通期不同阶段土壤水盐的实测值的模拟