10.3969/j.issn.1007-4929.2019.07.004
基于改进的BP神经网络对蓄水坑灌冬季果园土壤温度预测
为准确预测冬季果园土壤温度,建立了蓄水坑灌条件下BP神经网络土壤温度预测模型(BP-WSPI-T)、遗传算法优化的BP神经网络土壤温度预测模型(GA-WSPI-T)和增量逆传播学习算法优化的BP神经网络土壤温度预测模型(IBP-WSPI-T),采用坑内平均气温、地表温度、沿相邻两蓄水坑中心连线距坑壁的距离和距坑壁5 cm处分层土壤最低温度为模型输入,对距坑壁15、25和35 cm处分层土壤最低温度进行预测,并通过与田间实测数据的统计学分析来判定预测效果.结果表明:BP-WSPI-T、GA-WSPI-T和IBP-WSPI-T模型的平均相对误差分别为8.19%、4.41%和7.57%,GA-WSPI-T模型的预测效果最好,较BP神经网络预测精度得到了很大的提高,建议采用GA-WSPI-T模型对蓄水坑灌冬季果园土壤温度进行预测.
土壤温度、增量逆传播、遗传算法、BP神经网络、蓄水坑灌
S275.9(农田水利)
国家自然科学基金项目51109154,51579168;山西省自然科学基金资助项目201601D011053
2019-08-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
16-20