基于时延神经网络的多深度土壤含水率预测

摘要：

为精准预测大田土壤含水率,并掌握不同深度土壤含水率分布规律,针对大田土壤含水率时序数据的非线性特点及相邻深度土壤含水率间具有较强关联关系,该文建立3层时延神经网络大田多深度土壤含水率预测模型,用以实现对6个不同深度(10、20、30、40、50和70 cm)土壤含水率预测.利用试验法确定预测模型的隐含层节点个数、训练学习算法和训练集样本量.试验结果表明:隐含层使用10个节点,采用L-M(Levenberg-Marquardt)训练算法,采用45%样本集数据作为训练样本,55%作为测试样本集,对所建预测模型进行预测,10和20 cm的预测相对误差小于7%,而30、40、50和70 cm的预测相对误差小于4.5%.因此利用基于时延神经网络的多深度土壤含水率预测模型,可为掌握土壤含水率分布动态变化规律提出一种解决方案.

关键词：土壤含水率、预测、测量、多深度、时延神经网络、训练、验证

所属期刊栏目：33

分类号：S152.7(土壤学)

资助基金：国家自然基金项目31471409、31101609

在线出版日期：2017-05-04（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：132-136