土壤墒情预测模型对比

摘要：

为实现实时准确的墒情预报,以北京市延庆区为例,利用在该地区获取的2012-2016年5年的系列土壤墒情和气象数据,对土壤墒情预测模型进行了对比研究.通过相关性分析选取时段初墒值W0、降雨、湿度、气温、气压、地温和蒸发7种影响因子,对土壤墒情分别建立线性回归方程、基于主成分分析的径向基函数(PCA-RBF)神经网络和误差反向传导(BP)神经网络3种预测模型,并对3种模型预测结果进行了对比分析.结果显示:PCA-RBF神经网络模型精度最高,平均精度达到96.8％,线性回归模型和BP神经网络模型分别为94.6％和95.7％.研究认为,PCA-RBF神经网络具有稳定性好、精度高的特点,可以很好的实现土壤墒情预测.

关键词：土壤墒情、相关分析、线性回归、PCA-RBF神经网络、BP神经网络

所属期刊栏目：23

分类号：S147.2(肥料学)

资助基金：国家重点研发计划2016YFC0403102;科技创新能力建设专项KJCX20170204;国家公益性行业农业科研专项201303125;国家自然科学基金项目51609137;国家留学基金资助项目201308210026;北京市博士后工作经费资助项目;辽宁省教育厅项目2009A630

在线出版日期：2018-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：142-150