非参数地质统计学概率估计方法比较研究

以河套灌区内一典型实验区的土壤水盐空间变异性为案例,对比分析了指示克立格、析取克立格、概率克立格风险概率计算值。结果表明,IK法与PK法具有相似的功能,而DK法则有局部细化、突出细部的特点。3种概率估计误差无明显差别。而阈值不同则概率估计误差不同。若单纯考虑提高概率估计精度,不宜选择中位数作为单阈值进行概率估计。     

贝叶斯模型在土壤转换函数中的应用与适应性评价

为了研究大型灌区节水改造后的区域农田生态环境效应中分布式水文模型空间参数的确定问题,通过内蒙古河套灌区解放闸灌域22个土壤水盐监测点110个土壤样本的采样与分析,利用贝叶斯神经网络(BNN)模型建立了河套灌区区域分层土壤特征参数与土壤水分特征曲线模型参数、特征含水率之间的土壤转换函数模型,并与已有的BP神经网络模型进行适应性比较及模型验证。结果表明,BP模型土壤转换函数的训练模拟精度优于BNN,但是在模拟预测方面,BNN模型普遍好于BP模型,而且模型输入因子数量对BP模型的精度影响较大,而BNN模型对于不同输入因子表现出很好的稳健性,BNN模型比传统的人工神经网络模型具有更好的适应性和预测效果,体现了土壤特征参数的空间随机性和结构性特征,而且预测的土壤水分特征曲线与实测和VG拟合结果更为接近,是一种具有广阔应用前景的区域土壤转换函数推求方法。     

基于多元指示克立格方法的土壤盐分空间分布评价

以内蒙古河套灌区农田为例,分别运用单元指示克立格和多元指示克立格对河套灌区中游约0.8万hm2农田0~20 cm、20~40 cm深度内的土壤盐分的空间变异性进行了评价,并绘制了基于设定阈值土壤电导率概率分布图。结果表明:各层土壤盐分均不符合正态分布且存在特异值,但采用指示克立格方法可以获得较为稳健的变异函数;受结构性因素影响,各层土壤盐分的指示半方差均表现为强空间自相关性。依据综合概率分布图对土地资源利用的风险性进行了评价,对评价区域土地资源质量的决策管理提供了指导。     

农田大尺度表层土壤电导率的序贯高斯模拟

以内蒙古河套灌区部分农田为例,将克立格插值法和序贯高斯条件模拟法分别应用于农田大尺度下表层土壤电导率的空间分布估值和模拟,并将1次实现和多次实现取平均的条件模拟结果与克立格插值结果和实测数据进行了对比分析。结果表明:克立格法具有明显的平滑效应,它改变了电导率数据的空间结构,而条件模拟则能够在尊重实测数据情况下,再现变量的空间变化特点,而且模拟次数在2~3次时可以更好的与原始数据符合。在进行变量的空间分布研究时,可用克立格法来估计,用条件模拟来重现波动性,两者结合才能充分发挥各自的优势,为生产实践提供全面的科学根据。     

区域土壤水盐动态人工神经网络预测研究

根据黄河河套灌区多年的区域水盐监测资料 ,比较了 ANN三层、四层 BP网络不同学习速率下的收敛效果 ,拟合精度 ,应用四层 BP网络模型对灌区的年内不同时期的土壤水分、盐分的动态变化进行了模拟预测。研究表明 ,BP网络可以用于区域土壤水盐动态预测 ,方法简便可行 ,有较高的精度 ,是对传统的区域水盐动态模数值拟预测方法的补充。     

土壤水盐时空变异数据中特异值处理方法与调控技术

根据区域水环境预测中土壤水盐监测与评价的要求,进行了土壤水盐空间变异性与稳健变异函数的研究。利用河套灌区内典型试验区返盐严重的春季水盐采样数据,计算了传统地质统计学变异函数,发现数据统计分析和特征受特异值影响较严重,运用稳健统计理论与方法进行了剔除特异值后计算稳健变异函数及其相应的调控技术的尝试,获得了较好效果。重点探讨了影响系数法中参数K的确定原则和相应技术,并与估计邻域法做了对比分析。结果表明:稳健地质统计学处理特异值的方法可以移植到农田水利与水土科学中应用。     

内蒙古河套灌区解放闸灌域土壤水盐空间变异性研究

以河套灌区解放闸灌域的节水改造项目区作为研究对象,从统计特征值、半方差函数和克立格法绘制的分布图几个方面对比分析了节水改造前后的土壤水分和盐分的空间变异性。结果表明:2007年与2008年土壤水分和盐分可分别用球状模型和指数模型进行拟合,空间自相关距离表明二者具有中等强度的空间自相关性,且2008年土壤水分和盐分的相关性都大于2007年,2008年较2007年土壤水盐的空间变化趋于连续。对克里格插值结果分析可知:土壤水分和盐分在空间上的分布都具有明显的逐渐变化趋势,表现为相近值的局部聚集;而且2008年的土壤水分和盐分分布与2007年相比在较大的范围内颜色变化幅度小且较连续。通过对灌区节水改造前后大尺度采样分析,了解区域土壤水盐分布状况和空间变异情况,为灌区今后的节水灌溉、盐碱地分区治理、区域化水资源管理提供一定得理论依据。     

区域土壤水盐动态人工神经网络预测研究

根据黄河河套灌区多年的区域水监监测资料，比较了ANN三层、四层BP网络不同学习速率下的收敛效果，拟合精度，应用四层BP网络模型对灌区的年内不同时期的土壤水分、盐分的动态变化进行了模拟预测。研究表明，BP网络可以用于区域土壤水盐动态预测，方法简便可行，有较高的精度，是对传统的区域水盐动态模数值拟预测方法的补充。     

多时段泛克立格模型在降水量数据插补中的应用

多时段泛克立格模型是研究水文随机函数最优估计和空间预报的比较优越的方法。针对水文数据在时间上缺乏而空间上富足的特点,为了较好地解决小流域或局部区域内少站点情况下水文变量的最优估计问题,本文用多时段泛克立格模型对滦河内蒙古段闪电河流域各测站年降水量缺测资料进行了插补并在流域内进行了空间插值预报,结果表明插值预报精度较高,所得结论比较可信。     

基于灰色BP神经网络的农业机械总动力预测

为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。     

蚁群神经网络用于农村电力短期负荷预测

为了进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统负荷的目的,将蚁群算法(ACA)作为BP神经网络的学习算法,构造了一种蚁群神经网络(ACAN)预测模型。对某农村地区电力系统短期负荷预测的计算实例表明,基于蚁群神经网络的负荷预测方法与传统的BP神经网络预测方法相比,具有较强的自适应能力和较好的效果。     

BP神经网络最优组合预测方法及其应用

为了解决各种单一传统的预测方法中存在的问题，提出了一种BP神经网络最优组合的预测方法。将单一预测方法所得到的预测值作为BP神经网络的输入样本，相应历史数据的实际值作为样本的输出，经过样本训练达到期望精度，应用BP神经网络进行预测。通过对浙江省农机总动力需求预测，表明该方法比各种单一的预测方法都有更高的精度。     

基于公共天气预报的参考作物腾发量预报

针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET₀为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET₀为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET₀进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET₀预报数据.     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.     

基于遗忘因子和误差修正的水文实

在进行水文预报时，由于影响河道洪水的因素众多，常用的水文预报模型往往不符合实际水文系统的客观规律。对这类系统的参数辨识要求算法具有较强的实时跟踪能力，以适应模拟或预测洪水运动变化过程的要求。利用洪水预报误差信息，对BP网络洪水实时预报校正模型与方法进行了探讨，提出了两种实时预报方法。第一：运用最小二乘递推算法，引入时变遗忘因子实时跟踪模型中时变参数的变化，建立了神经网络在非线性系统中动态的系统输入、输出数据之间的映射关系。第二：利用BP网络模型对误差的可识别性，将模型对输出变量的预报误差再次作为输出变量，对网络可能预报的误差进行实时修正。计算实例表明：以上两种方法提高了神经网络在水文领域的预报精度，给BP神经网络的实时预报方法提供了新的途径。     

基于改进BP神经网络的农业机械数据预测研究

为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法(APSO)优化的误差方向传播(BP)神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986-2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。     

山区降水空间分布的插值分析

降水空间分布信息是进行区域水资源管理的基础,同时也是区域防洪减灾中所需的重要信息。采用地质统计学方法克里金方法,建立了区域降水插值模型。并以黄河故县以上集水区域为例,进行多年平均月降水插值实验。由于研究区域为地形起伏的山区,因此降水空间分析中又建立了融合地形信息的人工神经网络模型。此外还选取泰森多边形法、距离平方反比法、线性回归法,采用交叉验证法对各方法的插值精度进行对比分析。研究显示,克里金方法和融合地形信息的人工神经网络模型插值精度较高。。