Kostiakov入渗模型参数的预测精度对比分析研究

摘要：

基于黄土高原系列大田入渗试验数据,以土壤体积含水率、干容重、黏粒含量、粉粒含量、有机质含量为输入因子,采用支持向量机和BP神经网络两种算法,对Kostiakov二参数入渗模型参数进行预测,并对两种算法下预测结果的相对误差值进行分析,结果表明:采用支持向量机算法对入渗系数和入渗指数进行预测的结果相对误差最大值和平均值都比BP算法的预测结果要小,相对误差最小值比BP算法的预测结果要大;支持向量机算法比BP算法所得预测结果的稳定性好,精确度高.研究结果丰富了采用土壤传输函数获取入渗参数这一研究方向,同时为获取更高精度的入渗参数在方法的选取上提供一定的理论依据.

关键词：支持向量机、BP神经网络、Kostiakov入渗模型、误差分析、土壤理化参数

分类号：S152;TV93(土壤学)

资助基金：国家自然科学基金项目"区域尺度上土壤入渗参数多元非线性传输函数研究"40671081

在线出版日期：2017-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：27-30