BP神经网络在渭干河流域土壤盐渍化预测中的应用

[目的]比较神经网络算法和传统统计建模方法对土壤盐渍化预测模型的效果.[方法]对渭干河流域多年土壤盐渍化和其影响因子进行分析的基础上,采用BP网络的3种算法,建立基于BP神经网络土壤盐渍化预测模型.将预测结果与多元线性回归模型预测结果进行对比分析,讨论线性和非线性方法用于土壤盐渍化预测模型.[结果]与传统的统计建模方法相比BP神经网络结构简单、快捷,预测精度高,很好地再现了土壤盐渍化与其影响因素之间复杂的非线性函数关系;三种BP算法中,基于trainlm算法建立的壤盐渍化预测模型具有较好的推广能力.[结论]BP神经网络的土壤盐渍化预测性能良好,用来可以预测土壤盐渍化情况.     

监测采样间隔对土壤墒情预测模型性能的影响

【目的】为了实现准确的农田土壤墒情预测,以茶园不同深度的土壤墒情为对象,对不同的监测采样间隔下的多种茶园土壤墒情预测模型进行了对比研究.【方法】经相关性分析,确定了时段初始湿度、光照、空气温度、空气湿度、土壤温度、土壤电导率和降雨量7种影响因子,对土壤墒情分别建立了多元二次回归、BP神经网络和LSTM深度学习模型.研究了10、30、60、90、120 min等不同监测采样间隔下土壤墒情的预测精度,同时对3种模型的预测结果进行了对比分析.【结果】LSTM深度学习模型的平均相对误差为0.399%,在3种模型中最小.多元二次回归模型的预测误差随着采样间隔的增大而增大,BP神经网络与LSTM深度学习模型在采样间隔为30 min时预测误差最小,平均相对误差<0.5%.研究认为,最合适的监测采样间隔为30 min,且LSTM深度学习模型具有稳定性好、精度高的特点,适用于土壤墒情预测.【结论】本研究结果为土壤墒情监测采样间隔的设定和建模方法的运用提供依据,对土壤墒情预测模型的研究和应用具有重要意义.     

基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

基于修正组合模型的包头市用水量预测分析

【目的】建立基于马尔科夫链修正的组合灰色神经网络模型,为城市用水量的准确预测提供支撑。【方法】在运用灰色关联性分析法确定用水量变化的主要影响因素的基础上,建立了基于马尔科夫链修正的组合灰色神经网络模型,将该模型应用于包头市2009和2010年的用水量预测,并将其预测结果与灰色模型、BP神经网络模型和组合灰色神经网络模型的预测结果进行比较。【结果】包头市用水量受人口、国内生产总值、工业总产值、建成区绿化覆盖率、耕地面积及工业用水重复利用率的影响较大,利用建立的基于马尔科夫链修正的组合灰色神经网络模型对包头市2009和2010年用水量进行预测,并与实际用水量进行比较后表明,其相对误差分别为0.16%和2.16%,均方根相对误差为1.53%,而灰色模型、BP神经网络模型和组合灰色神经网络模型的均方根相对误差分别为4.34%,3.08%和1.99%。可见,基于马尔科夫链修正的组合灰色神经网络模型的预测效果最好。【结论】基于马尔科夫链修正的组合灰色神经网络模型结合了各模型的优势,预测精度较高。     

不同改良措施对新疆盐渍化棉田的改良效果

【目的】研究不同盐渍化改良措施与农业措施相结合,对土壤剖面盐分和0~80 cm耕层脱盐效果,为实现重度盐渍化土壤的资源可持续利用提供理论依据。【方法】以新疆玛纳斯河流域重度盐渍化土壤为研究对象,设置3种改良方案(T1:农业改良措施、T2:根区隔离土壤盐分+农业改良措施、T3:暗管排水处理+农业改良措施),通过3年的大田试验,分析0~80 cm土壤剖面盐分分布与盐分含量变化。【结果】不同改良措施地下水埋深随着生育期的灌溉表现出相似的变化规律,暗管排水措施对地下水埋深具有较好的调节效果;根区隔离、暗管排水措施与农业改良措施相结合均能够快速有效降低土壤盐分,根区隔离措施底层(40~80 cm)土壤脱盐效果较强,盐分含量降低了8.92 g/kg,暗管排水措施在表层(0~40 cm)土壤盐分含量降低了6.30 g/kg,具有较强的脱盐效果,农业改良措施在耕层(40~80 cm)土壤整体盐分含量降幅相对较低;结合3年的脱盐率变化来看,2016年脱盐率较低, 2017年研究区脱盐率大幅度提升,根区隔离措施、暗管排水措施耕层(0~80 cm)土壤平均脱盐率分别为63.30 %、52.47 %,明显高于农业改良措施脱盐率30.67%,2018年农业改良措施、根区隔离措施以及暗管排水措施在0~80 cm土层脱盐率分别为5.28 %、20.00 %、3.89 %。【结论】根区隔离、暗管排水工程措施结合农业改良措施,能够快速有效降低土壤盐分含量,改善重度盐渍化土壤。     

基于K-means聚类+灰色理论+BP神经网络的区域天然气长期需求预测

【目的】不同区域影响天然气需求量的因素存在差异,数据集包含的数据特征也不尽相同,同时天然气长期需求预测存在样本数据少的问题,因此较难构建各区域通用的需求预测模型。【方法】选取山东省11个地级市为研究对象,根据天然气年度消费量、GDP、人口等影响天然气需求量的主要因素,将多个地区、多时间跨度的数据作为总样本库,使用皮尔逊相关系数对样本特征进行初筛,利用K-means聚类算法对各样本数据进行聚类,选取能源消费结构相似的3个样本点,并将样本点对应的下一时间点的天然气需求量作为数据样本的新特征;同时,将灰色理论预测输出结果作为BP神经网络的输入样本,基于新的样本数据特征与BP神经网络构建组合预测模型。【结果】基于K-means聚类+灰色理论+BP神经网络的预测方法有效利用了相似能源结构的城市天然气历史需求量,并结合灰色理论预测模型在小样本数据上鲁棒性高的优点,预测得到山东省11个地级市天然气长期需求预测的平均绝对百分比误差为0.57%～6.41%。与传统的灰色理论预测模型、BP神经网络模型、K-means聚类+BP神经网络相比,新预测方法在模型误差、预测结果的稳定性方面均有明显改进。【结论】新...     

基于模糊神经网络的拖拉机耕作牵引阻力预测研究

【目的】针对现有拖拉机耕作能量利用率低、不能根据实际情况合理分配发动机功率的问题.通过研究拖拉机耕作的耕深、速度与牵引阻力之间的复杂关系,并最终对该过程构建牵引阻力预测模型.【方法】基于此提出1种改进模糊神经网络(FNN)的牵引阻力预测方法,以耕作时的耕深、速度和牵引阻力为研究对象,通过基于密度的噪声应用空间聚类(DBSCAN)聚类算法确定FNN的初始结构和模糊规则数,并设计使用最小二乘法与反向传播算法组成的混合学习算法来实现模型的训练.【结果】将优化的模糊神经网络模型与支持向量机(SVM)、随机森林(RandomForest)对比后发现, DBSCAN优化后的FNN平均相对误差为4.36%,比其他2种模型分别低1.68%、2.40%.【结论】利用改进的FNN能够精确的预测出耕作时的牵引阻力大小,为后续的拖拉机能量管理和功率分配的研究提供了基础.     

基于神经网络方法和支持向量机的西安市水资源需水预测

【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。     

植被类型对土壤剖面盐分离子迁移与累积的影响

 【目的】探讨不同植被类型条件下土壤盐分累积与离子分异特征,对于挖掘、利用盐渍土资源、促进农业可持续发展提供科学依据。【方法】以甘肃省秦安县次生盐渍化果园土壤为研究对象,采用大田试验研究种植大麦、玉米、果树和裸露地块（CK）对土壤剖面盐分离子迁移的影响。【结果】在半干旱盐渍化地区,裸露地块土壤剖面盐分始终处于累积状态,随着时间的推进,盐分累积的强度和深度逐渐增大;种植大麦、玉米,在生育后期具有明显的抑盐、脱盐的功效;而种植果树,土壤盐分累积有两个峰值,第一个峰值出现在5—6月,土壤盐分主要累积在大约10—30 cm土层;第二个峰值在8月中旬,土壤盐分主要累积在30—50 cm土层。【结论】在半干旱地区的农林植被条件下,植被类型影响土壤剖面盐分离子迁移累积的时期、强度和部位。种植大麦、玉米、果树对土壤剖面盐分、Cl-、水溶性Ca2+含量有明显的影响。     

基于KPCA RVM的土石坝沉降预测模型研究

【目的】针对土石坝坝体沉降存在多变量、强耦合、强干扰的复杂问题,建立基于KPCA-RVM的土石坝沉降预测模型。【方法】利用核主元分析(KPCA)对输入向量进行降维处理,以减少因子个数,随后利用相关向量机(RVM)模型对土石坝沉降进行预测,并以平均相对误差为指标对预测精度进行评价。【结果】实例应用表明,KPCA-RVM模型将输入向量由14个降低到7个,预测结果的平均相对误差仅为0.9%,预测效果得到明显提升。【结论】利用KPCARVM模型对土石坝进行沉降预测,不仅可以减少输入向量个数,而且可以提高预测精度,可在实际工程中推广应用。     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

干湿季节下基于遥感和电磁感应技术的塔里木盆地北缘绿洲土壤盐分的空间变异性

土壤盐渍化问题是制约干旱半干旱区植被生长最主要的生态环境地质问题,也是影响绿洲农业生产的障碍性问题。而将遥感与近感技术相结合,是当前评价、监测及预报土壤盐渍化程度的先进方法。以新疆塔里木盆地北缘的渭干河-库车河三角洲绿洲为例,以遥感数据和解译后的电磁感应数据为基础数据源,利用解译后的数据结合GIS和地统计学知识以及野外实测所得到的土壤电导率和盐分资料,分别采用泛克里格(Universal Kriging)、光谱指数回归(Spectral Index Regression)和回归残差泛克里格(Regression-Universal Kriging)3种方法研究了该地区两个关键季节(干季和湿季)土壤盐分的空间变异特征。研究结果表明:研究区的土壤浸提液电导率EC_1:5和土壤盐分呈现显著相关,可以用EC_1:5来代替土壤的全盐量进行分析;电磁感应仪(EM38)所测各季节土壤表观电导率与EC_1:5的相关系数均达到1%显著水平,以表观电导率垂直读数(EM_V) 和水平读数(EM_H)为自变量的多元回归模型拟合效果较好;研究区各季节的表层土壤电导率的空间分布均表现为强相关性,说明土壤采样点间的内部结构性良好,采用能够充分考虑到干旱区表层土壤电导率空间变异的尺度依赖性的球状套合模型,能够更好的拟合土壤表观电导率的空间结构;经过精度比较,回归残差泛克里格法为最优预测方法,这表明将遥感和电磁感应技术相结合,能够有效的提高预测与评估土壤盐分空间分布的精度,为精确地进行土壤盐分预测以及土壤次生盐渍化的防控提供了一定的依据。     

基于人工神经网络建立橡胶树白粉病预测预报模型

【目的】本研究拟通过神经网络建模来预测橡胶树白粉病病害流行趋势。【方法】采用人类专家综合利用传统经验方法预报病害的相关经验数据作为神经网络的样本,选用误差反向传播神经网络结构,以Adam算法为训练算法,成功训练得到了橡胶树白粉病神经网络预测模型。【结果】其拟合优度达88.11%,田间试验验证的实际符合率为87.88%。【结论】本研究建立的橡胶树白粉病神经网络预测模型在提供防治建议上已具备与橡胶树白粉病专家相当的水平。研究结果为进一步结合互联网通信技术和数据库管理技术,以训练完成的神经网络模型作为预测算法,建立橡胶树白粉病预测预报专家系统、实现橡胶树白粉病害预测预报流程的自动化和智能化奠定了基础。     

博斯腾湖西岸湖滨绿洲土壤剖面盐分含量随季节的变化特征

【目的】探讨绿洲土壤剖面盐分特征及土壤剖面盐分含量随季节变化的关系.为土壤开发利用和土壤盐渍化防治提供理论研究基础.【方法】以博斯腾湖西岸湖滨绿洲为研究区,采用地统计学方法和冗余分析方法,探讨研究区土壤盐分含量的季节变化特征.【结果】夏季的土壤盐分含量为3.02 g/kg,比春季、秋季的土壤盐分含量分别高199.01%、143.55%;春季、夏季的土壤盐分含量的变异系数随着土壤剖面深度的增加,变异系数分别增加3.11%、5.91%,而秋季的土壤盐分含量的变异系数则相反,变化幅度较大,变异系数减少21.77%;Na~++K~+分别占春季、夏季、秋季的主要土壤盐分离子总量的45.10%、44.80%、44.70%,是研究区的主要土壤盐分离子;春季、夏季、秋季的土壤盐分结构性因子分别为99.97%、98.39%、77.37%,均大于75.00%,表现为强空间相关性.【结论】研究区土壤盐分在春季、夏季、秋季均呈表聚型,且夏季的土壤盐分含量高于春季、秋季的土壤盐分含量;春季、夏季、秋季的土壤盐分含量与主要土壤盐分离子Na~++K~+、Cl~-、Mg~(2+)呈极显著正相关(P0.01);春季、夏季、秋季的土壤盐分含量高值区主要集中在研究区中部东北部.     

磁化水在盐渍化土壤中的入渗和淋洗效应

【目的】土壤盐渍化是影响干旱区绿洲农业生产的主要障碍因素,磁化水灌溉改良土壤可以追溯到20世纪60年代。在室内土柱模拟及田间膜下滴灌条件下对比研究不同磁处理水灌溉对土壤水分入渗及淋盐作用的影响,旨在提出一种高效降低土壤盐分的新技术。【方法】采用室内土柱模拟和田间小区滴灌相结合的试验方法,土柱模拟试验磁感应强度设4个处理：分别为0、100、300和500 mT,采用由上向下入渗,入渗至整个土柱2/3处停水、取样,研究不同磁感应强度处理的水对土壤入渗、土壤剖面含水量及盐分运移的影响,小区试验分别为普通水滴灌（CK）、磁化水滴灌(T),磁感应强度为300 mT,试验在测坑内完成,测坑面积6.67 m2,研究滴灌条件下磁化水灌溉对土壤水分渗漏及盐分分布的规律。【结果】土柱试验结果表明,磁化水可加快土壤水分入渗,与对照组相比,300 mT磁处理水可显著提高土壤湿润锋运移速度。在入渗时间为360 min时,0 mT和300 mT的湿润锋深度分别为17.0和18.5 cm;磁化水可加速土壤盐分向下运动,入渗结束后0 mT和300 mT处理在土层28 cm处的电导率值分别为10.9和12.7 mS•cm-1,Cl-含量分别是17.95和25.04 g•kg-1,Na+含量分别是4.61和5.55 g•kg-1,300 mT处理较对照（0 mT）分别增加了16.5%、39.5%和20.4 %。小区试验结果表明磁化水灌溉可显著提高土壤水分渗漏量,CK、300 mT处理（T）第一次承接的土壤渗漏液重量分别为18.8和21.9 kg,磁化水处理较对照处理增加16.5%。灌水结束后,0-100 cm土层的土壤脱盐率总体表现为磁化水处理大于对照处理,但各层脱盐率有所差别。对照和处理土壤表层0-20 cm脱盐率分别为13.8 %和23.2 %,深层土壤80-100 cm脱盐率为11.6%和29.8%。【结论】磁化水灌溉可加速土壤水分的向下运动,加快土壤盐分向下运移,表明磁化水灌溉有利于将更多的盐分淋洗出土体,300 mT磁处理效果最佳。磁化水滴灌为改良盐渍化土壤提供了一种操作简便快速、低投入与高效的方法,为在新疆大面积盐渍化土壤上应用提供了理论依据和技术支撑。     

塔河下游典型绿洲灌区土壤盐分空间变异特征

【目的】 研究典型绿洲灌区不同深度土壤的盐渍化特征和空间分布状况。【方法】 运用GPS定位技术进行调查与采样,并结合室内样品测定结果,对塔里木河下游31团灌区土壤盐分含量和各盐分离子含量进行地统计分析和Kriging空间插值。【结果】 研究区内土壤总体呈碱性,盐分组成以氯化物-硫酸盐为主,受季节及灌溉影响,秋季蒸发强烈处于积盐阶段,根域层(0~60 cm)土壤盐分均大于深层(60~100 cm)土壤盐分。根域层盐分、Cl^-、Mg²⁺、SO^2-₄的半方差函数拟合模型符合指数模型,深层盐分、K⁺+Na⁺符合高斯模型,HCO^-₃、Ca²⁺符合球状模型。根域层盐分大多处于轻、中度盐渍化,重度盐渍化区域主要集中在研究区中部荒漠化程度高、地形复杂的区域,深层土壤盐分受秋季潜水蒸发影响,绝大部分处于轻度盐渍化,变化范围小,分布较为均匀。各土层中阴离子均以SO^2-₄为主,阳离子均以K⁺和Na⁺为主,SO^2-₄、Cl^-、K⁺+Na⁺与根域层土壤盐分有着相同的分布特征。【结论】 31团灌区土壤含盐量较高,各层土壤均处于不同程度的盐渍化状态,47.12%的根域层(0~60 cm)土壤盐分处于中度盐渍化状态,90.01%的深层(60~100 cm)土壤盐分处于轻度盐渍化状态。     

黄河源区河川径流短期预测的ANFIS模型

【目的】建立径流短期预测的自适应神经模糊推理系统(ANFIS)模型,以提高预测精度,进而为黄河源区水资源开发和工程规划提供参考。【方法】以黄河源区出口站军功水文站为研究对象,以ANFIS为基本方法,建立ANFIS日尺度径流预测模型。基于输入变量、训练次数、隶属度函数类型与数目、预见期等参数设置了9个方案,通过实测径流与预测径流的对比和评价指标(均方根误差RMSE、相关性系数R)验证确定最佳方案,并分析不同参数对预测结果的敏感性,获得基于最优参数的ANFIS模型。【结果】采用神经网络+Sugeno型模糊推理算法建立了ANFIS日尺度径流预测模型,在预见期为1d时,利用ANFIS模型进行的径流短期预测,其相对误差最大为4.36%,平均为0.21%,预测结果合理可靠;当预见期延长至2~4d时,预测结果均满足精度要求,相对误差平均值均小于3.00%。【结论】将ANFIS用于短期径流预测,既可提高预测精度,又能延长预见期,可为黄河源区水库群规划、施工、调度和全流域水资源配置提供指导。     

基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一，利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象，将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合，构建组合模型来反演土壤盐渍化状况。结果表明，与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI)，其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高，其决定系数(R²)为0.759，均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611，其验证精度较单项预测模型有所提高，较PLSR模型提高了0.038，较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主，所占比例达到35.34%和25.66%，与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况，为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

基于神经网络的土壤重金属预测模型研究

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。     

基于小波神经与随机分析的径流预测

【目的】分析水文不确定性因素对径流预测的影响,提高中长期水文预报方法模拟预测结果的精度。【方法】将小波分析(WA)、人工神经网络(ANN)和随机分析联合使用建立径流预测模型,即在小波分析(WA)揭示流量时频特性的基础上,将径流原序列分为高频部分和低频部分,然后利用人工神经网络(ANN)对低频部分进行模拟预测,利用随机分析对高频部分进行分析,最后将各部分结果叠加作为最终预测结果。将所建立的径流预测模型用于渠江二级支流后河的径流预测,并与传统BP人工神经网络方法的预测结果进行对比。【结果】根据《水文情报预报规范》,以预测值的相对误差小于10%为标准,传统BP人工神经网络预测结果合格率为46.67%,而基于小波神经与随机分析的径流预测模型在正常水文年模拟预测结果的合格率为73.33%。【结论】基于小波与随机分析的径流模型预测精度好、合格率高,能得到更好的复杂水文条件下的径流预测值。