| 基于改进BP神经网络的多层土壤湿度反演 |
| |
| 引用本文： | 刘娣,孙佳倩,余钟波.基于改进BP神经网络的多层土壤湿度反演[J].节水灌溉,2023(11):19-27. |
| |
| 作者姓名： | 刘娣 孙佳倩 余钟波 |
| |
| 作者单位： | 1. 河海大学水灾害防御全国重点实验室;2. 河海大学水文水资源学院;3. 河海大学全球变化与水循环国际合作联合实验室;4. 长江保护与绿色发展研究院 |
| |
| 基金项目： | 国家自然科学基金项目（U2240217）；;河海大学水文水资源与水利工程科学国家重点实验室专项（520004412,521013122）； |
| |
| 摘 要： | 为了获取有时空连续性的表层至深层土壤湿度数据，以美国McClellanville站和青藏高原MAWORS站为研究区域，利用有限气象观测数据，基于BP神经网络(Back Propagation Neuron Network,BPNN)，融合天牛须搜索算法(BeetleAntennaeSearchAlgorithm, BAS)，构建BAS-BP模型(BeetleAntennaeSearch-BackPropagation Neural Networks)，对表层至深层土壤湿度进行反演。结果表明：(1)融合优化的BAS-BP模型对各层土壤湿度的反演效果优于BP模型，两个站使用BP模型反演测试集的RMSE量值在0.016～0.191 m3/m3之间，MAE在0.012～0.177 m3/m3之间，R在0.390～0.987之间。使用BAS-BP模型得到的测试集RMSE在0.014～0.143 m3/m3之间，MAE在0.010～0.131 m3/m3之间，R在0.504～0.994之间。(2)BP和BAS-BP模型对各站不同深度土壤湿度的反演效果均在...
|
| 关 键 词： | 多层土壤湿度 土壤湿度反演 BP神经网络 天牛须搜索算法 机器学习 |
|
|
