基于遗传算法优化BP神经网络的石漠化区土壤水分动态预测模型

摘要：

云南省建水县为典型的岩溶断陷盆地地貌,是我国喀斯特石漠化综合治理的重要类型区,对该地区土壤水分动态变化过程及其影响因素的揭示是水土保持和生态恢复工作的必要条件.收集云南建水县石漠化治理区2006年4月16日-2020年12月1日的逐日气象资料和轻度和中度2个石漠化区的土壤水分资料,分层建立BP(back propagation)神经网络土壤水分预测模型,并利用遗传算法对模型的权值和偏置进行优化.结果表明:1)经遗传算法优化后轻度石漠化区和中度石漠化区样地平均相对误差分别提升45％和63％,均方根误差分别提升3％和12％,R2分别提升约27％和17％,但随着土层深度的增加,预测精度呈降低趋势;2)应用敏感性分析确定影响该地区土壤水分动态的主要气象因子为降水和气温,但随着土层深度增加,对气象因子的响应程度降低,遗传算法优化BP神经网络模型更适合对中度石漠化样地进行土壤水分预测.基于遗传算法优化的神经网络预测模型精度较高,能更好地实现该区域的预测.

关键词：遗传算法、BP神经网络、土壤水分预测、敏感性分析、石漠化

所属期刊栏目：20

分类号：S152.7(土壤学)

资助基金：云南省重点研发计划课题;国家重点研发计划;国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：109-118