基于神经网络模型的安徽省土壤pH预测 |
| |
引用本文: | 卢宏亮,赵明松.基于神经网络模型的安徽省土壤pH预测[J].江苏农业学报,2019,35(5). |
| |
作者姓名: | 卢宏亮 赵明松 |
| |
作者单位: | 安徽理工大学测绘学院,安徽 淮南,232001;安徽理工大学测绘学院,安徽 淮南 232001;中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室,江苏南京 210008 |
| |
基金项目: | 国家自然科学基金;安徽省高等学校自然科学研究项目;土壤与农业可持续发展国家重点实验室开发基金项目 |
| |
摘 要: | 以土壤pH为研究对象,利用一般反向传播(Back propagation,BP)神经网络模型、带回溯的弹性反向传播(Resilient back propagation with backtracking, RPROP-WB)神经网络模型、不带回溯的弹性反向传播(Resilient back propagation without backtracking, RPROP-OB)和最小绝对梯度反向传播(Smallest absolute gradient resilient back propagation, SAG-RPROP)神经网络模型进行安徽省土壤pH的预测及制图,选用均方根误差(RMSE)、绝对平均误差(MAE)及决定系数(R~2)为评价标准,比较3种改进的神经网络模型与一般BP神经网络模型对于土壤pH的预测能力。结果表明:研究区域内,4种神经网络模型的拟合能力高低依次为:SAG-RPROPRPROP-WBRPROP-OBBP。由建模集可以看出,RPROP-WB、RPROP-OB 2种模型与BP神经网络模型的预测精度一致,4种模型中预测精度最高的为SAG-RPROP,R~2比其他3种模型提高0.07。对于验证集,预测能力高低依次为:SAG-RPROPRPROP-WBRPROP-OBBP,预测精度和泛化能力最高的为SAG-RPROP模型,RMSE、MAE和R~2分别为0.67、0.50及0.59。空间预测图结果显示,4种模型所得安徽省土壤pH空间分布基本类似,均呈"南酸北碱"趋势,一般BP神经网络对于土壤pH预测区分度较低,预测所得安徽省南部地区的土壤pH均集中在5.57至6.50之间, RPROP-WB、RPROP-OB及SAG-RPROP所得预测图则区分更为明显。综上所述,RPROP及其改进算法可以有效地进行土壤属性的预测,且精度均高于一般BP神经网络模型。
|
关 键 词: | 土壤pH 空间预测 RPROP算法 GRPROP算法 神经网络 安徽省 |
本文献已被 CNKI 万方数据 等数据库收录! |
|