基于BAS-BPNN模型的季节性冻融期土壤含水率预测

摘要：

季节性冻融期土壤含水率对干旱半干旱区春耕下种及作物生长起决定性作用,土壤含水率预测对了解土壤墒情、实施春灌具有一定的指导意义.根据114组冻融期气象观测资料和土壤含水率实测数据,采用主成分分析法在影响土壤含水率的9个影响因子中提取出7个主要因子,建立了基于天牛须搜索(BAS)算法的优化BP神经网络(BPNN)模型,即BAS-BPNN模型,分析了模型的土壤含水率预测结果,并与同类的BP模型、PSO-BPNN模型和GA-BPNN模型的预测结果进行了对比.结果表明:BAS-BPNN模型训练集预测值与实测值的决定系数为0.9178,相对误差为8.65％;测试集预测值与实测值的决定系数为0.9096,相对误差为9.08％.BAS-BPNN模型比其他3种模型的决定系数高且相对误差小.与其他优化算法相比,BAS-BPNN模型寻优及收敛速度快,对冻融期土壤含水率预测精度更高,不失为一种较好的预测冻融期土壤含水率的方法.

关键词：季节性冻融期、土壤含水率预测、主成分分析、BAS算法、BAS-BPNN模型

分类号：S152.7;S271(土壤学)

资助基金：国家自然科学基金面上项目;国家自然科学青年基金项目;中国博士后科学基金

在线出版日期：2020-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：66-70