基于去趋势波动分析法的土壤含水量变化特性研究

为探讨栾城站农田土壤含水量的长期演变规律和机理。运用去趋势波动分析法,对栾城站2002—2008年土壤含水量时间序列进行了分析,得到了土壤含水量长期演变规律的参数标度指数,探讨了不同层次含水量序列的长程相关性及其内在的演变规律,并用分形维数定量描述了土壤含水量动态变化过程的分形特征。结果表明:不同层次序列的标度指数均大于0.5,即序列具有长程相关性,含水量变化存在着趋势性成分。随着深度的增加,标度指数逐渐增大,揭示了含水量变化的长程相关性越来越强;另一方面,随着深度的增加,分形维数逐渐减小,表征了含水量的波动幅度越来越稳定,这也与实际相符。     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型（简称VG模型）是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型(简称VG模型)是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。