人工神经网络在会同杉木林生态系统径流和蒸散模拟中的应用

摘要

森林水循环是森林生态系统中连接生物与生物化学过程的一个重要生态系统功能。由于自然或者人为因为导致的森林结构和功能的改变,使得森林水循环和水平衡也发生了改变。进一步了解森林生态系统中森林结构和森林水循环的关系,对有效的管理森林水资源具有重要意义。杉木是一种生长在亚热带地区的速生树种,在我国亚热带地区分布面积广泛。由于其材质优良而成为我国南方的主要用材林树种,在我国的国民经济中发挥着重要作用。
　　 径流量和蒸散量是森林生念系统水循环和水量平衡中的两个重要参数。对径流量和蒸散量建模,在生态系统水文研究中具有十分重要的意义。本研究根据湖南会同杉木人工林生态系统国家野外观测研究站1988年1月至2007年12月的气象和水文观测数据,采用BPNN和GNN神经网络模型分别预测和模拟会同杉木人工林第Ⅱ和第Ⅲ集水区的月蒸散量和月径流量。得到了以下主要研究结果:
　　 (1)在对径流量和蒸散量的模拟中,BPNN模型在不同的训练阶段时的R2值的范围在0.8523到0.9651之间变动,而在检验阶段时的R2值却降低到0.7960到0.8577之间。GNN模型的训练和模拟结果相对BPNN模型要稳定一些,其R2值在0.6572到0.8724之间。
　　 (2)将BPNN和GNN模型的结果与传统的统计学模型进行对比。传统统计学模型平均错误系数的绝对值在17.5到17.8之间,GNN模型的平均错误系数只有11.9到14.3之间,而BPNN模型的平均错误系数在12.6到19.2之间。
　　 (3)BPNN和GNN神经网络模型对蒸散量预测模拟的月变化都在6月份出现最大值(观测值为147.76mm,GNN模拟值为174.36mm,BPNN模拟值为192.97mm),12月份出现最小值(观测值为23.15mm,GNN模拟值为27.70mm,BPNN模拟值为23.29mm)。在年变化上,实测年蒸散量为667-1006mm,各年蒸散量的平均值为831mm；利用GNN模型估算的年蒸散量最小值为653,最大值为1077mm,年均蒸散量为828mm；采用BPNN模型模拟的年蒸散量在759-1195mm之间,10年间蒸散量的年平均值为909mm。
　　 (4)GNN模型预测的月径流量在6月份达最大值为75.76mm,稍微低于观测值的97.52mm,在12月份出现的全年最低值为13.29mm,与观测值的10.96mm相比稍微偏高,变动幅度为62.46mm。

目录

文摘

英文文摘

1 绪论

1.1 研究背景

1.2 研究目的与意义

1.3 人工神经网络

1.4 森林水循环

1.5 国内外研究进展

2 实验地概况和研究方法

2.1 实验地概况

2.2 数据测定方法

2.2.1 气象数据观测

2.2.2 水文数据观测

2.3 数据整理

2.3.1 降雨量

2.3.2 蒸散发

2.3.3 径流

2.3.4 空气温度

2.3.5 林冠截留

2.3.6 风速

2.3.7 模型评价指标

2.4 模型原理简介

2.4.1 多层前馈神经网络

2.4.2 遗传神经网络

2.4.3 模型基本结构

3 结果与分析

3.1 ET Ⅰ和RF Ⅰ的预测模拟结果

3.2 ET Ⅱ和RF Ⅱ的预测模拟结果

3.3 输入参数重要性分析

3.4 蒸散量模拟特征分析

3.4.1 月蒸散量模拟特征分析

3.4.2 年蒸散量模拟特征分析

3.5 径流量模拟特征分析

3.5.1 月径流量模拟特征分析

3.5.2 年径流量模拟特征分析

3.6 与统计学方法模拟结果的比较

4 讨论

5 结论

6 参考文献

致谢

攻读学位期间的主要学术成果