基于BP神经网络的土壤水热动态预测模型研究

摘要

以土壤施氮量、灌水量、土壤各层初始温度、各层初始含水率以及时间作为神经网络的输入因子,以土壤温度、含水率作为输出因子,基于BP神经网络,建立了拓扑结构为17-21-14的BP-W-T预测模型,利用Matlab软件对BP神经网络进行训练,并结合实测值对温度分布和含水率分布进行检验。结果表明:土壤温度预测模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.28%~3.36%、0.954~0.972和0.910 2~0.944 7;含水率预测模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为1.87%~3.09%、0.974 3~0.992 6和0.949 3~0.985 2;该预测模型具有较高的预测精度和良好的稳定性,可以较好地描述温度梯度下土壤水热动态变化情况,为预测土壤温度与含水率提供了一条新的途径。