实践应用集成BP神经网络模型预测土壤有机质空间分布.pdfVIP

江苏农业学报(JiangsuJ.of Agr.Sci.),2017,33(5):1044~1050 1044 http:/ / 江叶枫,郭 熙,叶英聪,等. 应用集成BP神经网络模型预测土壤有机质空间分布[J].江苏农业学报,2017,33(5):1044-1050. doi:10.3969/ j.issn.1000-4440.2017.05.013 应用集成BP神经网络模型预测土壤有机质空间分布 1,2 1,2 1 1 1 江叶枫 , 郭 熙 , 叶英聪 , 孙 凯 , 饶 磊 (1.江西农业大学国土资源与环境学院/ 江西省鄱阳湖流域农业资源与生态重点实验室,江西 南昌 330045; 2.南方粮油作物 协同创新中心,湖南 长沙 410000) 摘要: 基于2014年江西省万年县测土配方施肥数据,以地理坐标、高程和坡度以及邻近样点信息作为网络 的输入变量,采用集成BP神经网络模型(BPNN-Ada模型) 预测土壤有机质的空间分布,并与未集成的BP 神经网 络模型(BPNN模型)和普通克里金模型(OK模型)进行比较。 结果表明,3种模型的预测精度大小顺序为BPNN- Ada模型BPNN模型OK模型。 集成BP神经网络模型预测精度最高,效果最好,比较符合土壤有机质地学分布 规律及实际情况。 BPNN-Ada模型克服了BP神经网络局部搜索能力差和易陷入全局最优的缺点,提高了BP 神经 网络的泛化能力。 关键词: 土壤有机质; Adaboost算法; BP神经网络; 空间分布预测 中图分类号: S126 文献标识码: A 文章编号: 1000-4440(2017)05-1044-07 Spatial distribution of soil organic matter predicted by BP neural network ensemble model 1,2 1,2 1 1 1 JIANG Ye-feng , GUO Xi , YE Ying-cong , SUN Kai , RAO Lei (1.College of LandResourceandEnvironment,JiangxiAgricultural University/ Key laboratory of PoyangLake WatershedAgriculturalResourcesandEcolo- gy,Nanchang 330045,China; 2.SouthernRegional CollaborativeInnovation Centerfor Grain and Oil Crops in China,Changsha410000,China) Abstract: Based on the data collected from the project of soiltest-based formulated fertilization in Wannian county, Jiangxi province in2014,a back propagation neural network ensemble model (BPNN-Ada) was used to predict the spatial distribution of soil organic matter (SOM) which was then compared to those by back propagation neural network model (BPNN) and ordinary Kriging m