人工神经网络在预报土壤墒情中的应用

摘要：

依据从2005年1～12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型.模型共分输入层、隐含层和输出层3层.输入层的输入变量包括数据采集当天的10 cm、20 cm和40 cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量.输出层的输出变量包括1天后的10 cm、20 cm和40 cm深度的土壤含水量.模型的学习因子为0.1,动量因子为0.05.模型经过25 000次训练后收敛,收敛误差为8×10 -4 ,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息.

关键词：土壤、土壤墒情、人工神经网络

分类号：S152.7(土壤学)

资助基金：国家高技术研究发展计划"863"计划项目2002AA224071;集美大学科研基金C60644

在线出版日期：2008-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：35-37