土壤入渗模型参数的多元线性预测模型精度的对比分析

基于黄土高原大田耕作土壤的入渗试验数据,利用多元线性回归法建立了Kostiakov二参数、三参数以及Philip入渗模型参数的线性预测模型,进行了3种模型参数平均误差的比较以及给定时间的累积入渗量误差的比较,提出了便于应用又具有较高精度的土壤水分入渗参数多元线性预报模型。结果表明,Kostiakov二参数模型的平均误差低于三参数入渗模型和Philip入渗模型,能将平均误差控制在15%以下,低于其他2种入渗模型。因此用Kostiakov二参数入渗模型对土壤水分入渗能力进行预测较好。     

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。     

非充分供水土壤水分入渗模型的试验研究

基于均质土壤的非充分供水入渗试验数据,通过回归分析的方法,分析讨论了Kostiakov二参数模型、三参数模型、Horton模型和Philip模型,对非充分供水条件下土壤控制阶段入渗过程的适用性。结果表明:Kostiak-ov二参数模型、三参数和Philip模型的显著性和相关性都较高;综合考虑Kostiakov三参数模型的显著性、相关性以及回归参数与实际入渗过程边界值的吻合性,认为用Kostiakov三参数模型描述土壤入渗能力控制阶段入渗特性效果最好。     

冻融土壤Philip入渗模型参数的非线性传输函数模型研究

为满足季节性冻土地区越冬期间储水灌溉管理的需求,基于山西省汾河灌区季节性冻土的冬季大田土壤水分入渗试验,得到了120组Philip入渗模型参数实测样本,借助MATLAB软件,建立了以土壤温度、有机质质量分数、土壤含水率、土壤体积质量、物理性黏粒量为输入因子、以Philip入渗模型参数吸渗率和稳渗率为输出因子的多元非线性传输函数模型,并用实测资料对该模型进行了精度检验。结果表明,预测参数的相对误差均小于11%,预报精度在可接受范围之内。     

三峡库区紫色土水分入渗模型比较分析

基于重庆开县石碗小流域坡耕地土壤水分入渗观测试验数据,运用Origin8.0分析软件对Kostiakov和Kostiakov-Lewis模型进行曲线拟合,同时选用蒋定生公式与之对比分析,从拟合曲线特征和拟合参数取值上分析二种模型的差异。结果表明,①Kostiakov模型和Kostiakov-Lewis模型2条拟合曲线不重合;而Kostiakov-Lewis模型与蒋定生公式的拟合曲线基本重合,其决定系数(R2)、参数(b、fc)的取值及标准误差完全相同。②Kostiakov模型和Kostiakov-Lewis模型中参数(a、b)取值不同,且b取值变化范围也完全不同,Kostiakov模型中b取值0.40～0.69,Kostiakov-Lewis模型中b取值0.29～1.59,差异明显。③Kostiakov模型中参数(a、b)物理意义明确,而Kostiakov-Lewis模型中参数(a、b)没有明确的物理意义。可见,Kostiakov模型和Kostiakov-Lewis模型是2个完全不同的入渗模型,而Kostiakov-Lewis模型和蒋定生公式实质上完全相同。     

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。     

优化技术在土壤入渗参数计算中的应用

对优化技术在入渗参数计算中的应用进行了研究,选取Kostiakov、修正的Kostiakov、Philip、Horton、Collis-George5个入渗模型,利用甘肃省3个大型灌区的实测资料计算了入渗参数,用剩余平方和对计算精度进行评价,结果表明,Collis-George模型、修正的Kostiakov模型较目前常用的Kostiakov模型能更好地描述这3个灌区的土壤入渗特性。     

冻融土壤Kostiakov入渗模型参数的非线性预报模型

在山西汾河灌区季节性冻土区进行了3个越冬期的大田冻结土壤水分入渗试验,获取了Kostiakov冻结土壤二参数入渗模型参数的实测大样本,建立了各个土壤水分入渗参数与土壤理化参数间的非线性关系模型;通过MATLAB软件,实现了Kostiakov二参数入渗模型系数的求解。研究表明:用常规土壤理化参数土壤含水率、密度、物理性黏粒含量、土壤温度和有机质含量作为非线性预报模型的输入参数实现对入渗参数的预测是可行的,所建立的非线性关系模型高度相关,预测参数的实测值与预测值的相对误差可控制在10%以下。因此,用土壤常规理化参数对冻融土壤的水分入渗参数进行非线性预报是可行的,可为季节性冻土区冬季储水灌溉提供技术支撑。     

土壤水分入渗参数的非线性预报模型

以山西地区黄土高原区土壤为研究对象,通过实施大量大田耕作土壤水分入渗试验,获取了Kostiakov二参数入渗模型参数的实测大样本,建立了各个土壤水分入渗参数与土壤理化参数间的非线性关系模型;通过MATLAB软件,实现了Kostiakov入渗模型系数的求解。结果表明,常规土壤理化参数土壤含水率、体积质量、粉粒、砂粒和有机质质量分数作为非线性预报模型的输入参数是合理的,所建立的非线性关系模型高度相关,预测参数的实测值与预测值的相对误差可控制在8%以下。因此,用土壤常规理化参数对土壤水分入渗参数进行非线性预报是可行的。     

上层土壤密度对模拟指流层状土壤水分入渗的影响

通过室内模拟指流,利用回归分析法进行分析,建立了以上层土壤密度为参数的Kostiakov和Philip模型对模拟指流的层状土壤入渗的改进模型,并进行了验证。结果表明,入渗时I;7相同时,累积入渗量随着上层土壤密度的增加而减小;Kostiakov和Philip模型都适合于模拟有指流产生的层状土壤的入渗,其相关系数都在0．...     

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。     

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。     

冻融条件下土壤水分入渗参数BP预报模型研究

为提高季节性冻土区冬季储水灌溉的灌水质量和效果,基于冬季冻土期的大量田间冻土入渗试验样本,建立了基于BP神经网络模型的Kostiakov三参数入渗模型参数的预测模型,实现了利用土壤基本理化参数地表土壤容重、含水率及冻结土壤特有参数冻土层厚度、灌溉水温、土壤温度对入渗模型参数的预报。通过BP神经网络对数据样本和入渗参数进行的非线性逼近训练和误差分析,得到其平均相对误差都小于5%,在可接受范围内。这表明基于基本理化参数及特有影响参数建立的Kostiakov土壤入渗经验模型的三参数预报模型是可行的。研究结果对于冬季冻融土壤灌溉技术参数的确定有重要的支撑作用。     

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。     

区域尺度土壤入渗特征参数的变异性研究

以杨凌地区为例,进行野外双环入渗试验研究,运用2种常用模型(Kostiakov模型和Philip模型)对土壤入渗参数进行模拟。在分析土壤特征参数,寻求适合区域尺度的最优入渗模型同时,对土壤的状态变量进行标定并研究标定系数的空间变异性,研究结果表明:Philip模型可作为区域最优入渗模型,土壤入渗特征参数存在明显的空间变异性,标定系数aA比as对模型参数的标定效果好,且在较大范围内存在一定的趋势性,有较好的预测效果。因此,可根据标定系数随机模拟得到某一具体时刻的土壤入渗量的空间分布,为定量分析土壤水分运动、研究土壤水分入渗的空间分布提供理论基础。     

土壤入渗参数的灰色预测模型研究

为了研究在小样本、贫信息条件下,包括土壤密度、体积含水量、黏粒和有机质含量在内的土壤理化参数与土壤入渗特性之间的关系,以方山县土壤入渗试验为背景,选用两参数Kostiakov入渗模型,通过对入渗参数k、α物理意义的分析,运用灰色关联理论,对土壤理化参数中各参数与土壤入渗参数的关联度大小进行了灰色排序,结果表明对于入渗参数k、α而言,与其关联程度由大到小均为土壤密度黏粒含量土壤含水量有机质含量。并在此基础上建立了入渗参数k、α的GM(0,5)灰色预测模型,通过对预测值与实测值间的误差分析,表明其预测精度可以满足要求,由此所建立的土壤入渗参数灰色预测模型可行。     

畦田Philip入渗参数和田面综合糙率同步推求

以水量平衡原理为基础,通过对畦灌地表水面线的概化,并将Philip入渗公式等同为α=0.5的Kostiakov修正模型,由此建立了利用畦灌水流推进过程同步推求Philip土壤入渗参数和田面综合糙率的模型.结合文献资料和大田试验对所建模型进行验证,并采用Matlab软件求解,得出不同地表储水形状系数σh下的入渗参数和糙率,并分别对入渗参数和田面综合糙率的可靠性进行了验证,结果表明所建模型同步推求土壤入渗参数和田面综合糙率是可靠的,并且计算方便,精度较高.     

Philip模型与修正的Green-Ampt模型互推参数的特性分析

通过室内试验方法利用Philip和Green-Ampt入渗模型对3种土壤水平一维入渗进行了分析,对Green-Ampt入渗模型的含水率分布进行了修正从而改进二模型参数的互推公式,根据互推参数分别计算累积入渗量,并与实测值进行比较。结果表明,修正模型能很好地反应土壤入渗性能,随着土壤粘性的增加,Philip模型参数吸湿率S和Green-Ampt模型参数kssf都逐渐减小,用Philip模型推求修正的Green-Ampt模型参数k′ss′f具有较高的精度,且对于不同质地土壤的入渗表现出不同程度的正效应,此互推公式可应用于不同土壤水平入渗的试验研究。     

基于Philip入渗模型的土壤水分入渗参数BP预报模型

基于黄土高原区大量大田土壤入渗实测资料,借助BP神经网络模型建立了基于Philip土壤入渗模型参数的预报模型,并分别讨论了BP神经网络土壤水分入渗参数稳渗率预报模型、土壤水分入渗参数稳渗率预报模型和Philip模型的90min累积入渗量预测的单项和综合误差。结果表明:基于常规土壤理化参数土壤含水率、容重、黏粒含量、粉粒含量以及有机质等建立BP神经网络模型对Philip土壤入渗半经验半理论模型参数吸渗率S和稳渗率A进行预测是可行的。预测参数A和S以及Philip模型的90min累积入渗量的预测值与实际值的相对误差分别为2.074 60%、3.079 98%和2.037 56%,都在可接受的范围内;研究结果可为世界范围内大量实用的地面灌溉技术参数优化提供强有力的依据支撑。