基于改进BP神经网络的干旱区芦苇腾发量预测模型

摘要

植被蒸腾与地表蒸发研究是土壤-植物-大气连续体系统研究的核心部分,也是干旱区自然植被需水量研究的前提。计算植被蒸腾与地表蒸发的方法众多,但需要大量参数的输入,其中水分特征曲线、非饱和导水率、水分扩散率、比水容重、导热率、比热容等土壤水热特性参数很难获取。针对这些繁琐问题,在传统BP网络中加入有动量的梯度下降法,建立了基于有动量梯度的改进BP网络模型,提出了通过易获取的气象、植物、土壤数据预测植被腾发量的新方法,并对该模型的有效性进行了初步验证。研究结果表明:应用有动量梯度的改进BP网络模型可以很好的反映环境因子(气象因子、植物因子、土壤因子)与芦苇腾发量(芦苇蒸腾量、地表蒸发量)之间的非线性函数映射关系。在无长序列气象资料的条件下,利用改进BP神经网络,以日为时间尺度来预测芦苇蒸腾量和地表蒸发量可以取得很好的效果,克服了以往的BP算法收敛速度慢和预报精度低的缺欠。与传统回归模型相比,改进BP网络模型中的输入参数(太阳净辐射、大气温度、大气相对湿度、冠层顶风速、芦苇盖度和土壤含水率)比较容易测定,且模型也便于应用,能够更好刻画植被腾发量的复杂非线性特性,为干旱区自然植被腾发量估算和生态需水量计算提供了新的思路和方法。