基于灰色理论—BP神经网络方法的表层土壤容重预测

以山西省黄土高原区15个试验点的年度跟踪监测样本为依据,利用灰色关联理论与BP神经网络相结合的方法,构建了表层土壤容重与土壤基本理化参数和累积接收水量之间的土壤传输函数预报模型。结果表明:影响表层土壤容重的7个土壤理化参数对于土壤容重的关联度均大于0.6;基于BP神经网络,以关联度较高的土壤粉粒含量、土壤砂粒含量、累积接收水量、体积含水率、有机碳含量和全盐量作为输入变量对表层土壤容重进行预测是可行的,预测值与实测值高度吻合,预测结果相对误差的平均值为0.41%,预测精度较高;检验样本预测结果相对误差的平均值为1.05%,误差完全在可接受范围内。研究结果可为黄土区土壤容重的获取提供新思路,为科学指导农田农事和灌溉管理提供理论支撑。     

土壤水分特征曲线模型参数的非线性传输函数研究

以黄土高原区土壤为研究对象,通过土壤水分特征曲线与土壤基本理化参数系列试验,获得了Van-Genuchten模型参数的实测数据样本,建立了土壤基本理化参数与Van-Genuchten模型参数之间一一对应的关系,创建了以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,Van-Genuchten模型参数为输出变量的非线性传输函数预报模型。研究表明:以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,对Van-Genuchten模型参数进行非线性预报是可行的;所建立的非线性预报模型精度较高,预测样本下Van-Genuchten模型参数α的实测值与预测值的相对误差的平均值为9.66%,参数n的实测值与预测值的相对误差的平均值为6.83%,检验样本参数α的实测值与预测值的相对误差的平均值为7.34%,参数n的实测值与预测值的相对误差的平均值为5.45%。研究成果为黄土地区提供一种便捷获取土壤水分特征曲线的途径。     

灰色GM(0,N)模型在土壤田间持水量预测中的应用

基于田间持水量测定试验数据及土壤理化参数测定试验数据,运用灰色预测理论对田间持水量与土壤理化参数的关联度进行分析,建立以土壤密度、土壤粉粒质量分数、土壤黏粒质量、土壤有机质质量分数为输入变量的GM(0,N)土壤田间持水量预测模型。对所建模型进行残差检验、关联度检验、后验差检验证明所建模型是可行的,实现了少数据、贫信息情况下利用土壤常规理化参数对土壤田间持水量的预测。     

Philip入渗模型参数的非线性预报模型

利用黄土高原区大田耕作土壤的水分入渗试验过程资料,拟合了Philip入渗模型参数,建立了以土壤体积含水率、干密度、粉、黏粒含量和有机质含量等土壤理化参数为输入变量,Philip入渗模型参数为输出变量的土壤传递函数,通过对函数的分析、检验,建立了土壤入渗参数S和A的多元非线性预测模型;在此基础上,运用灰色关联分析理论,将各输入变量进行了灰色排序。研究表明:用土壤体积含水率、干密度、粉粒含量、黏粒含量和有机质含量作为预报模型的输入参数可实现对入渗参数的预测,预测参数实测值与预测值之间的相对误差可控制在8%以下,所建立的非线性预测模型高度相关。     

土壤田间持水量的非线性预报模型研究

基于大田耕作土壤理化参数试验以及田间持水量测定试验数据,首先利用单因素法分析了土壤结构、有机质含量和土壤质地与田间持水量的关系;在单因素分析的基础上建立了具有不同输入变量的土壤田间持水量非线性多元模型结构,利用MATLAB程序语言对不同模型结构进行了非线性回归分析,最终选定回归系数均显著且平均误差最小(5.608%)拟合度最高(0.799 3)的模型结构作为田间持水量的最佳非线性预报模型,并进行实例预测验证其可行性,实现了利用土壤常规理化参数对田间持水量的预测。     

不同土壤入渗模型参数多元非线性预测模型的精度对比分析

为了对不同土壤入渗模型参数多元非线性预测模型的精度进行对比分析,基于区域性黄土田间耕作土壤水分入渗实测资料,分别对Kostiakov、Kostiakov-Lewis以及Philip入渗模型的参数建立了以土壤体积含水率、干密度,黏粒、粉粒和有机质含量等土壤基本理化参数为输入变量的多元非线性传输函数,并进行了精度分析和比较。结果表明:Kostiakov入渗的二参数模型参数的平均误差在9%以下,预测精度明显高于Kostiakov-Lewis三参数入渗模型参数10.78%和Philip入渗模型参数11.72%。因此,推荐形式简单且预测精度高的二参数模型参数多元非线性预测模型为土壤入渗模型参数预测模型。     

盐碱土壤Kostiakov入渗模型参数的BP预报模型

为改良和改善盐碱地提供土壤入渗参数技术支撑,基于在山西省北部盐碱地进行的野外系列入渗试验,获取了累积入渗量与入渗历时的数据样本,并计算回归了kostiakov二参数入渗模型的入渗系数k与入渗指数α,建立了盐碱土壤基本理化参数与入渗参数之间的数据样本,利用BP神经网络的方法,建立了以土壤含水率、容重、质地、有机质、全盐量以及p H为输入变量,kostiakov入渗参数为输出变量的预报模型。结果表明:盐碱地土壤条件下,以土壤基本理化参数为输入变量,kostiakov入渗模型参数为输出变量的BP预报是可行的,入渗系数k的相对平均误差为0.29%、入渗指数α的相对平均误差为1.28%,以及根据两个入渗参数计算得到90 min累积入渗量的相对平均误差为2.37%,对所建立的模型进行检验时,以上三个参数检验误差的平均值均能控制在3%以下,确定所建立的BP预测模型能获得较好的效果。     

不同采样密度的土壤水分特征参数预测

利用不同取样精度的土壤,将土壤质地(砂土、淤泥、粘土含量)和容重作为输入值,探讨了使用基于土壤转换函数的BP神经网络模型来预测0~20 cm表层土壤水分特征曲线参数,用甘肃省称钩河流域小流域的土样进行预测并进行了误差分析。结果表明,使用线性回归能够减小预测误差与实测值差距;使用BP神经网络来预测饱和体积含水量,其准确性比使用BP神经网络预测剩余体积含水量和田间持水量要高。为了进一步提高预测精度,还应尽可能地包括土壤结构、有机质含量等信息。     

土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选

基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。     

基于灰色理论-支持向量机的Gardner模型参数的预报模型

为探索获取土壤水分特征曲线模型参数新途径,以山西省黄土高原区农耕土壤为试验材料,进行了系列土壤水分特征曲线试验,拟合得到了Gardner模型参数a和b,同时测定了土壤基本理化参数,建立了由Gardner模型参数a、b和土壤基本理化参数组成的数据样本。采用灰色关联理论,分析了土壤各基本理化参数与Gardner模型参数之间的关联度,基于支持向量机理论建立了以关联度较大的土壤容重、黏粒含量、粉粒含量、有机质含量、全盐量为输入因子,以Gardner模型参数a和b为输出因子的预报模型。研究表明:以土壤容重、黏粒含量、粉粒含量、有机质含量、全盐量为输入因子,对Gardner模型参数a与b进行预报是可行的,参数a、b的实测值与预测值之间相对误差的平均值分别为3.96%、4.68%,吻合度高,预测效果好。该研究结果可为获取土壤水分特征曲线模型参数提供技术手段,同时可促进土壤传输函数理论的发展。     

黄土高原南北样带不同土层土壤容重变异分析与模拟

为探明黄土高原南北样带土壤容重空间分布特征,为土壤水文过程模拟与预测提供水力参数,采用经典统计学方法,分析了样带不同土层深度(0~10 cm、10~20 cm、20~40 cm)土壤容重的空间变异特征,并用多元逐步回归、传递函数方程和一阶自回归状态空间模型方法分别对土壤容重的空间分布进行了模拟。结果表明:样带0~20 cm深度土壤容重的变异为中等程度变异,20~40 cm为弱变异。状态空间方程转换系数表明,不同土层深度土壤容重的影响因素不同,0~10 cm主要为有机碳含量、黏粒和砂粒体积分数,10~20 cm为有机碳含量、黏粒和砂粒体积分数和降水量,20~40 cm为黏粒和砂粒体积分数、降水量和土地利用。状态空间模型的模拟效果均优于经典统计的多元逐步回归方程和传递函数方程,基于黏粒和砂粒体积分数、降水量和土地利用的状态空间模型可以解释样带20~40 cm容重92.3%的变异。一阶自回归状态空间模型可用于田间条件下土壤容重分布特征的预测。     

不同模式对盐碱地土壤环境改良效应的研究

研究陕西卤泊滩盐碱地在传统排水和生态蓄水处理下土壤容重、孔隙度、水分、全盐量和养分特征,分析说明不同治理模式下土壤理化特征的差异性,从而为治理盐碱地提供科学依据及论证治理模式的可行性和准确性。在陕西富平设置盐碱地模型试验,分别设置传统排水和生态蓄水2种处理,测定分析0~30 cm土层土壤容重、孔隙度、电导率、全盐量、有机质、全氮、速效钾、速效磷及分形维数;分析0~160 cm土层土壤含水率及贮水量,并综合分析在0~30 cm土层,土壤分形维数平均值与土壤养分平均值相关关系。结果表明:在0~30 cm土层,2种模式下,土壤容重与孔隙度呈现趋势一致,生态蓄水模式较传统排水可有效降低土壤容重,增加土壤孔隙度;同等水量下,在0~160 cm土层,生态蓄水处理下土壤平均湿度和平均贮水量较传统排水处理分别高4.47%和2.57%;在0~30 cm土层,传统排水和生态蓄水处理较试验前显著降低土壤pH值、电导率和全盐含量,且生态蓄水处理减少显著;在0~30 cm土层,各处理下各养分含量表现趋势一致即随着土层的增加而减小,且生态蓄水处理下有机质、全氮、速效钾和有效磷平均含量较传统排水处理分别高18.96%、4.76%、10.67%和9.35%,处理间差异显著(P0.05);在0~30 cm土层,不同处理下土壤团聚体干筛和湿筛的分形维数呈现相反趋势,且与土壤平均容重、有机质、全氮、速效钾和速效磷存在良好的线性关系(R~2=0. 800 6~0.949 9),差异性显著(P0.05)。综上所述,生态蓄水处理较传统排水处理可有效改善土壤理化性质,提高土壤稳定性及土壤质量,可良好地实现盐碱地治理。     

水分特征曲线Gardner模型参数的预测模型对比分析

为实现土壤水分特征曲线Gardner模型参数的预测以及精度的对比,以山西省黄土高原区农耕土壤为试验材料,进行了土壤水分特征曲线的系列试验,构建了土壤水分特征曲线Gardner拟合模型参数a、b和对应的土壤基本理化参数的数据样本;采用BP神经网络与支持向量机两种预报模型对土壤水分特征曲线Gardner模型参数a、b实现了预测,并对预测精度进行了对比。研究结果表明:随着两种模型输入变量的增加,两种预报模型的精度都得到提高;当输入变量为土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量时,两种预报模型对参数a、b的平均相对误差值均在6%以下,预测模型具有可行性;同时,相比于BP神经网络而言,支持向量机预报模型精度相对较高,而且预测结果波动空间较小,离散程度较低。该成果一方面丰富了Gardner模型参数的土壤传输函数创建的途径,更为Gardner模型参数预测模型的选择提供了依据。     

旱作农田土壤表层容重年内变化特性的试验研究

以黄土高原区旱作农田土壤为研究对象,基于年度跟踪试验,分析了农田表层土壤容重年内变化过程和特性,结合同步配套监测的试验区降雨量、气温及土壤含水率等资料,探究了玉米生长期内表层土壤容重变化机理。研究结果表明:玉米生长期内表层土壤容重表现为随时间增大的趋势;容重在生长期内变化过程可分为播种后容重陡增阶段、播种后容重缓增阶段、雨期容重陡增阶段、雨期容重波动阶段和容重缓降阶段;第一次大降雨后表层土壤容重达到最大值,湿陷变形过程基本完成;耕作层土壤深度范围内,10~20 cm土壤容重在3个阶段都处于最大,主汛期到来之前,0~2 cm土壤容重2~10 cm土壤容重,主汛期0~2 cm土壤容重2~10 cm土壤容重。研究结果可为农事作业管理、土壤入渗参数的预测与灌溉管理提供参数支撑。     

盐碱土壤Philip入渗模型参数的非线性预报模型

基于晋北盐碱地土壤水分原位入渗试验,建立了容量为200组的盐碱地Philip入渗模型参数样本,借助MATLAB软件,构建了以土壤全盐量、有机质量、含水率、容重、黏粒和粉粒含量为输入因子,Philip入渗模型参数吸渗率S和稳渗率A为输出因子的多元非线性预报模型,并用实测资料对该模型进行了精度检验。结果表明:对入渗参数预测的相对误差均小于10%,误差较小,模型预报精度较高,可满足实际应用的需要。研究结果在为盐碱地灌溉灌水技术参数的合理确定提供技术手段的同时,也为进一步优化盐碱地的改良方法提供了理论依据。     

支持向量机的盐碱土壤Philip入渗模型参数预测研究

以大田原生盐碱荒地土壤入渗试验数据为样本,应用支持向量机回归算法,建立了盐碱土含水率、容重、有机质含量、黏粒含量、粉粒含量、全盐量以及pH值与Philip入渗模型参数间的预测模型。预测结果表明,训练样本中吸渗率S的相对误差平均值为4.05%,稳渗率A的相对误差平均值为5.49%,90 min累积入渗量I_(90)的相对误差平均值为4.28%;检验样本中S、A和I_(90)的相对误差平均值分别为4.22%、3.58%和4.48%。可以看出,不论训练样本还是检验样本,入渗参数预测值与实测值基本吻合,所建立的预测模型精度较高,表明基于支持向量机的盐碱土壤Philip入渗模型参数的预测是可行的,可为改良盐碱土壤提供入渗参数的技术支撑。     

支持向量机的盐碱土壤Philip入渗模型参数预测研究北大核心

以大田原生盐碱荒地土壤入渗试验数据为样本,应用支持向量机回归算法,建立了盐碱土含水率、容重、有机质含量、黏粒含量、粉粒含量、全盐量以及pH值与Philip入渗模型参数间的预测模型。预测结果表明,训练样本中吸渗率S的相对误差平均值为4.05%,稳渗率A的相对误差平均值为5.49%,90 min累积入渗量I_(90)的相对误差平均值为4.28%;检验样本中S、A和I_(90)的相对误差平均值分别为4.22%、3.58%和4.48%。可以看出,不论训练样本还是检验样本,入渗参数预测值与实测值基本吻合,所建立的预测模型精度较高,表明基于支持向量机的盐碱土壤Philip入渗模型参数的预测是可行的,可为改良盐碱土壤提供入渗参数的技术支撑。     

基于支持向量机的土壤水分入渗参数预测研究

为解决土壤水分入渗能力的空间变异性问题,以方山、河津、泽州等地土壤入渗试验为背景,选用两参数Kostiakov入渗模型,建立以土壤密度、体积含水量、黏粒和有机质含量等土壤理化参数为输入变量,土壤水分入渗参数为输出变量的土壤传递函数。通过对入渗参数k、α的土壤理化参数影响因子分析,表明土壤理化参数与土壤入渗参数间存在着相关关系。在此基础上,运用支持向量机理论,将入渗参数的非线性回归问题转化为一个二次凸规划问题,建立了土壤入渗参数k、α的预测模型,通过对预测样本的误差分析,表明基于支持向量机土壤水分入渗参数预测模型的预测效果良好,可实现土壤传递函数的有效建立。     

土壤容重对蓄水坑灌入渗及水氮分布的影响

为探讨土壤容重对蓄水坑灌入渗和水氮分布的影响,试验采用30°扇柱体有机玻璃土箱,高120 cm,半径100 cm,设置3个土壤容重水平:1.3、1.4、1.47 g/cm3。通过室内入渗试验,研究了土壤容重对肥液入渗、含水率分布、铵态氮和硝态氮含量的影响。结果表明:蓄水坑灌条件下,累积入渗量随土壤容重的增大而减小,不同容重下累积入渗量与入渗时间之间均符合Kostiakov入渗模型。随土壤容重的增大,湿润体范围逐渐减小,在分布1 d内,0~60cm深度土壤体积含水率随土壤容重的增大而增大。土壤铵态氮含量随土壤容重的增大在不同径向方向上变化不一致。不同容重下深层湿润锋处土壤硝态氮的累积量为:1.47 g/cm31.4 g/cm31.3 g/cm3。     

基于Kostiakov二参数入渗模型参数的BP预测

基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以及90min累积入渗量H进行了预测值与实测值的精度比较,结果显示对入渗系数k实现BP预测的平均相对误差为6.082 3%,入渗指数α的平均相对误差为1.045 9%,90min累积入渗量H的平均相对误差为4.973 5%,三者的平均相对误差值均在7%以下,预测精度较高,预测效果较好,表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的。研究结果为获取准确的入渗参数提供技术手段,进而为提高农业灌溉水管理水平和灌水效率提供支撑。