基于BP网络和回归分析的红壤可蚀性预测

摘要

基于野外人工模拟降雨试验及室内土壤理化指标测定,研究广东省红壤可蚀性并构建其预测模型.可蚀性因子K与土壤黏粒、砂粒和有机质质量分数呈极显著相关关系(P＜0.01),皮尔逊相关系数分别为-0.920、0.925和-0.642.采用逐步回归分析法筛选对K值有显著影响作用的11个单因子及多因子交互作用项,其中粉粒与有机质质量分数交互作用对K值影响最大.K值逐步回归预测模型效果较好,相对误差均小于25％.这11个单因子及多因子交互作用项为输入变量,K值为输出变量,建立K值BP神经网络预测模型.利用灰色关联度分析法确定了BP神经网络最优结构为11-11-1,网络训练算法为Levenberg-Marquardt.K值BP神经网络预测模型90％数据点相对误差小于10％,其精度明显优于逐步回归分析模型,能更为准确地反映影响因子与K值间的内在规律.