基于神经网络灰色模型的农田土壤湿度预测研究

发布时间：2022-01-19 22:29

　　为了提高农田土壤湿度预测的效果,采用神经网络灰色模型。首先灰色模型对农田土壤湿度数据建模,神经网络对误差进行校正;然后神经网络灰色模型考虑湿度数据之间的关联度,只对关联度值较大的单个预测模型进行组合预测;最后给出了算法流程。实验结果表明,随着农田土壤深度的增加,湿度数据预测值的相对误差以及波动性都在增加;多模型对比实验显示:对垂直深度70 cm和80 cm的土壤湿度预测值接近真实值,剩余预测偏差指标最小值为2.69、平均值为2.75,模型判定系数为0.98,结果优于其他预测模型指标。 

【文章来源】：节水灌溉. 2020,(07)北大核心

【文章页数】：4 页

【部分图文】：

农田土壤湿度数据预测结果以及相对误差

对垂直深度70和80 cm的土壤湿度通过不同的模型进行预测对比分析,涉及的模型有:时间序列模型、土壤水动力学模型、水量平衡模型、神经网络模型、灰色模型、神经网络灰色模型,结果如图2所示。从图2模型预测对比分析可以看出,本文神经网络灰色模型对垂直深度70 cm和80 cm的土壤湿度预测值最接近真实值。

为了分析垂直深度70 cm土壤湿度不同模型预测的结果精度,进行剩余预测偏差RPD、模型判定系数R2指标分析,结果如图3所示。从图3可以看出,各个模型RPD值都大于2,时间序列模型RPD最小值为2.22、平均值为2.27,土壤水动力学模型RPD最小值为2.31、平均值为2.38,水量平衡模型RPD最小值为2.41、平均值为2.437,神经网络模型RPD最小值为2.48、平均值为2.51,灰色模型RPD最小值为2.53、平均值为2.60,神经网络灰色模型RPD最小值为2.69、平均值为2.75,但是本文模型RPD值最大,模型预测能力比较强。本文神经网络灰色模型判定系数R2为0.98,最接近1,模型的参考价值最高。

【参考文献】：
期刊论文
[1]灰色与时间序列模型预测[J]. 楚宪亮,崔腾飞,相涛,李一凡.  测绘与空间地理信息. 2019(08)
[2]紫色土丘陵区生物埂不同植被类型土壤分离水动力学特征[J]. 李少华,何丙辉,李天阳,郭正曙,曾凤铃.  水土保持学报. 2019(03)
[3]一种遥感土壤湿度误差空间协方差的估算方法[J]. 吴凯,舒红,聂磊,焦振航.  武汉大学学报(信息科学版). 2019(05)
[4]基于灰色关联分析-BP神经网络的冻融土壤蒸发预报模型[J]. 解雪,陈军锋,郑秀清,薛静,高旭光,冯慧君.  节水灌溉. 2019(04)
[5]基于GM（1,1）的农田土壤湿度灰色预测模型[J]. 杨道兵,李继学.  贵州科学. 2019(01)
[6]GNSS-IR双频数据融合的土壤湿度反演方法[J]. 荆丽丽,杨磊,汉牟田,洪学宝,孙波,梁勇.  北京航空航天大学学报. 2019(06)
[7]基于灰色关联分析和支持向量回回归机组合模型的我我国畜产品消费量预测[J]. 吉敏,李卓.  上海第二工业大学学报. 2018(04)
[8]基于模糊逻辑系统的灌溉时间的决策算法[J]. 刘东,张昌明.  节水灌溉. 2018(10)
[9]一种基于神经网络的土壤湿度预测方法[J]. 杨晓霞,贾嵩,张承明,程清,张航.  江苏农业科学. 2018(10)
[10]基于灰色理论-BP神经网络方法的土壤水分特征曲线预测模型[J]. 李彬楠,樊贵盛.  干旱区资源与环境. 2018(07)



本文编号：3597677