【摘要】：土壤質(zhì)量是土壤特性的綜合反映是土壤生產(chǎn)力的最直接反應(yīng),它是揭示土壤條件動(dòng)態(tài)的最敏感的指標(biāo),能體現(xiàn)人類活動(dòng)對(duì)土壤環(huán)境的影響。近年來(lái)由于人口的持續(xù)增長(zhǎng)和經(jīng)濟(jì)的快速發(fā)展使人們對(duì)糧食的需求日益增加,加上土地資源退化和后備土地資源的稀缺,使得我國(guó)人地關(guān)系進(jìn)一步緊張,土壤質(zhì)量監(jiān)測(cè)預(yù)測(cè)對(duì)于緩解人地關(guān)系促進(jìn)土地資源的合理利用和實(shí)現(xiàn)農(nóng)業(yè)的可持續(xù)發(fā)展具有重要意義。人工神經(jīng)網(wǎng)絡(luò)是為了進(jìn)行信息處理而建立的一種數(shù)學(xué)模型,它之所以被稱為神經(jīng)網(wǎng)絡(luò)是因?yàn)檫@一數(shù)學(xué)模型所應(yīng)用的是一種類似大腦神經(jīng)突觸的聯(lián)接結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用范圍最廣的一種算法,本文以江西千煙洲生態(tài)試驗(yàn)田為例,結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立土壤質(zhì)量評(píng)價(jià)和監(jiān)測(cè)的模型,為土壤質(zhì)量監(jiān)測(cè)提供一個(gè)新的方法,期望為農(nóng)田生產(chǎn)力的提高和土壤資源的合理利用提供一個(gè)可靠的科學(xué)依據(jù),實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展。本文結(jié)合MATLAB工具箱對(duì)BP神經(jīng)網(wǎng)絡(luò)土壤質(zhì)量監(jiān)測(cè)模型主要進(jìn)行了以下幾點(diǎn)優(yōu)化:首先是專家訓(xùn)練樣本,本文基于全國(guó)第二次土壤普查土壤的養(yǎng)分分級(jí)標(biāo)準(zhǔn)結(jié)合研究區(qū)土壤養(yǎng)分特性建立專家樣本,并依據(jù)一定算法對(duì)專家樣本進(jìn)行了百組數(shù)據(jù)擴(kuò)充。基于已建的專家樣本對(duì)不同等級(jí)劃分再次細(xì)化分級(jí)建立新專家樣本,實(shí)現(xiàn)了對(duì)研究區(qū)土壤質(zhì)量的細(xì)化研究;其次是本文采用trainlm算法對(duì)樣本數(shù)據(jù)訓(xùn)練,trainlm算法的收斂速度較快,同時(shí)還具有自學(xué)習(xí)性和數(shù)據(jù)動(dòng)量調(diào)整的特點(diǎn)并在實(shí)際訓(xùn)練中得到驗(yàn)證,符合預(yù)定的誤差訓(xùn)練目標(biāo)要求;本文在激勵(lì)函數(shù)的選擇上結(jié)合土壤質(zhì)量仿真結(jié)果評(píng)價(jià)等級(jí)范圍不大于1的特點(diǎn),選擇采樣連續(xù)可導(dǎo)的Sigmoid型函數(shù),并對(duì)輸出結(jié)果誤差進(jìn)行比較;最后在隱含層數(shù)和節(jié)點(diǎn)數(shù)的選擇上,結(jié)合輸入數(shù)據(jù)和輸出結(jié)果特點(diǎn),先確定出入層和輸出層結(jié)點(diǎn)個(gè)數(shù),在結(jié)合節(jié)點(diǎn)選取的幾個(gè)常用公式分別將不同的節(jié)點(diǎn)數(shù)帶入網(wǎng)絡(luò)中試驗(yàn),確定選取一個(gè)隱含層7個(gè)節(jié)點(diǎn)的三層BP網(wǎng)絡(luò)結(jié)構(gòu),并在數(shù)據(jù)訓(xùn)練和仿真結(jié)果中表現(xiàn)出了較高的收斂速度和誤差精度。仿真結(jié)果表明本文建立的BP網(wǎng)絡(luò)模型在土壤質(zhì)量監(jiān)測(cè)和評(píng)價(jià)上與期望結(jié)果接近,網(wǎng)絡(luò)誤差精度較高,對(duì)土質(zhì)的科學(xué)管理和合理利用具有一定的指導(dǎo)意義。
[Abstract]:Soil quality is the most direct response of soil productivity and the most sensitive index to reveal the dynamics of soil conditions. It can reflect the influence of human activities on soil environment. In recent years, due to the continuous growth of population and the rapid development of economy, the increasing demand for food, coupled with the degradation of land resources and the scarcity of reserve land resources, have further strained the relations between people and land in our country. Soil quality monitoring and forecasting is of great significance to alleviate the relationship between man and land to promote the rational use of land resources and to realize the sustainable development of agriculture. Artificial neural network is a mathematical model for information processing. It is called a neural network because the mathematical model uses a connective structure similar to the synapse of the brain. BP neural network is the most widely used algorithm in artificial neural networks. Taking Qianyanzhou ecological experimental field in Jiangxi province as an example, a model of soil quality evaluation and monitoring is established by combining with BP neural network, which provides a new method for soil quality monitoring. It is expected to provide a reliable scientific basis for the improvement of farmland productivity and the rational utilization of soil resources to realize the sustainable development of agriculture. Based on MATLAB toolbox, the soil quality monitoring model based on BP neural network is optimized as follows: first, expert training sample. Based on the soil nutrient classification standards of the second national soil census and the characteristics of soil nutrients in the study area, an expert sample was established, and a hundred groups of expert samples were expanded according to a certain algorithm. Based on the established expert samples, a new expert sample is established to refine the soil quality in the study area. Secondly, the trainlm algorithm is used to train the sample data and the convergence speed of the trainlm algorithm is fast. At the same time, it has the characteristics of self-learning and data momentum adjustment, and is verified in actual training, which meets the requirements of the target of error training. In this paper, according to the characteristics of soil quality simulation results evaluation grade is not greater than 1, the Sigmoid type function of sampling continuous derivation is selected, and the error of output result is compared. Finally, in the selection of hidden layer number and node number, combined with the characteristics of input data and output results, the number of nodes in and out layer is determined first. A three-layer BP network structure with seven nodes in the hidden layer is selected, and the convergence speed and error accuracy are high in the data training and simulation results. The simulation results show that the BP neural network model established in this paper is close to the expected results in soil quality monitoring and evaluation, and the accuracy of network error is high, which has certain guiding significance for the scientific management and rational utilization of soil quality.
【學(xué)位授予單位】：浙江海洋學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：S158;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張樹義,王立新;人工神經(jīng)網(wǎng)絡(luò)在蝙蝠回聲定位叫聲識(shí)別方面的應(yīng)用[J];動(dòng)物學(xué)雜志;2001年04期

2 蔡昆爭(zhēng);人工神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)中的應(yīng)用[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;2001年01期

3 韋新,邊秀房,孫英明,吳曉玲;人工神經(jīng)網(wǎng)絡(luò)在生物化學(xué)中的應(yīng)用[J];山東省農(nóng)業(yè)管理干部學(xué)院學(xué)報(bào);2002年03期

4 苑韶峰,呂軍;人工神經(jīng)網(wǎng)絡(luò)在我國(guó)水科學(xué)中的應(yīng)用與展望[J];農(nóng)機(jī)化研究;2003年04期

5 羅長(zhǎng)壽,左強(qiáng),李保國(guó);基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)模型在冬小麥根系分布預(yù)報(bào)中的應(yīng)用[J];應(yīng)用生態(tài)學(xué)報(bào);2004年02期

6 劉乃森;劉福霞;;人工神經(jīng)網(wǎng)絡(luò)及其在植物保護(hù)中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2006年23期

7 王龍;李靖;鄭勇;;水分敏感指標(biāo)人工神經(jīng)網(wǎng)絡(luò)模型研究[J];云南農(nóng)業(yè)大學(xué)學(xué)報(bào);2007年03期

8 徐亞丹;王俊;;基于BP人工神經(jīng)網(wǎng)絡(luò)和尾氣分析的汽車故障診斷方法研究[J];農(nóng)業(yè)裝備與車輛工程;2008年11期

9 謝劍;王麗君;;人工神經(jīng)網(wǎng)絡(luò)在農(nóng)產(chǎn)品干燥中的應(yīng)用[J];現(xiàn)代化農(nóng)業(yè);2009年10期

10 陳秉鈞,上官儒;基于人工神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)及應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);1997年02期

相關(guān)會(huì)議論文 前10條

1 曾昭磐;趙曉紅;;基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法研究[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

2 趙卿;曹曉嵐;;人工神經(jīng)網(wǎng)絡(luò)及其在醫(yī)學(xué)中的應(yīng)用[A];第五次全國(guó)中西醫(yī)結(jié)合神經(jīng)科學(xué)術(shù)會(huì)議論文集[C];2004年

3 黃姝雅;劉天琪;陳績(jī);;基于人工神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷預(yù)測(cè)綜述[A];中國(guó)企業(yè)運(yùn)籌學(xué)[C];2006年

4 杜欣慧;廉巍巍;孟春煒;;基于人工神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

5 汪學(xué)清;單仁亮;;人工神經(jīng)網(wǎng)絡(luò)在爆破塊度預(yù)測(cè)中的應(yīng)用研究[A];第二屆中國(guó)水利水電巖土力學(xué)與工程學(xué)術(shù)討論會(huì)論文集（一）[C];2008年

6 汪曉東;方曉敏;;基于人工神經(jīng)網(wǎng)絡(luò)的香榧子分類方法[A];Proceedings of Conference on Environmental Pollution and Public Health（CEPPH 2012）[C];2012年

7 路家強(qiáng);黎志成;;基于人工神經(jīng)網(wǎng)絡(luò)的生產(chǎn)作業(yè)計(jì)劃評(píng)價(jià)[A];第七屆計(jì)算機(jī)模擬與信息技術(shù)學(xué)術(shù)會(huì)議論文集[C];1999年

8 任培順;劉云霞;;人工神經(jīng)網(wǎng)絡(luò)在故障診斷方面應(yīng)用與發(fā)展[A];第十一屆全國(guó)煤礦自動(dòng)化學(xué)術(shù)年會(huì)論文專輯[C];2001年

9 邱炳文;周勇;李學(xué)垣;;改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)模型在湖泊富營(yíng)養(yǎng)化評(píng)價(jià)中的應(yīng)用——以武漢市南湖為例[A];第六屆全國(guó)計(jì)算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 易軍;許忠保;劉小鵬;;人工神經(jīng)網(wǎng)絡(luò)技術(shù)的工程應(yīng)用與展望[A];湖北省機(jī)械工程學(xué)會(huì)機(jī)械設(shè)計(jì)與傳動(dòng)專業(yè)委員會(huì)第十五屆學(xué)術(shù)年會(huì)論文集（一）[C];2007年

相關(guān)重要報(bào)紙文章 前9條

1 苑希民（中國(guó)水利水電科學(xué)研究院決策支持技術(shù)研究室 主任） 李彥彬 徐建新（華北水利水電學(xué)院） 李鴻雁（北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院） 苑韶峰 呂軍（浙江大學(xué)環(huán)境與資源學(xué)院）;人工神經(jīng)網(wǎng)絡(luò) 靈感源于大腦[N];中國(guó)水利報(bào);2005年

2 胡性慧　王唯赫 楊騰;人工神經(jīng)網(wǎng)絡(luò)拓寬版權(quán)貿(mào)易路徑[N];中國(guó)知識(shí)產(chǎn)權(quán)報(bào);2010年

3 本報(bào)記者 靖九江 采寫;人工神經(jīng)網(wǎng)絡(luò)在臨床上的應(yīng)用[N];中國(guó)醫(yī)藥報(bào);2005年

4 記者靖九江;發(fā)動(dòng)e引擎 推動(dòng)健康事業(yè)發(fā)展[N];中國(guó)醫(yī)藥報(bào);2005年

5 記者 周前進(jìn);人工神經(jīng)網(wǎng)絡(luò)可篩查糖尿病[N];健康報(bào);2000年

6 徐會(huì)川;延伸人類智力——人工神經(jīng)網(wǎng)絡(luò)[N];電腦報(bào);2003年

7 張東方;沙明;楊松松;人工神經(jīng)網(wǎng)絡(luò)在中藥領(lǐng)域中的應(yīng)用[N];中國(guó)醫(yī)藥報(bào);2003年

8 葉平安;機(jī)器的眼睛[N];電腦報(bào);2014年

9 賈俊濤 梁成珠 郭強(qiáng);人工神經(jīng)網(wǎng)絡(luò)開辟細(xì)菌鑒定新思路[N];中國(guó)國(guó)門時(shí)報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 張瑞林;人工神經(jīng)網(wǎng)絡(luò)在紡織中的應(yīng)用研究[D];浙江大學(xué);2001年

2 張治國(guó);人工神經(jīng)網(wǎng)絡(luò)及其在地學(xué)中的應(yīng)用研究[D];吉林大學(xué);2006年

3 袁泉;人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的動(dòng)態(tài)復(fù)雜性研究[D];華中科技大學(xué);2010年

4 竇英;人工神經(jīng)網(wǎng)絡(luò)—近紅外光譜法用于藥物無(wú)損非破壞定量分析的研究[D];吉林大學(xué);2006年

5 白艷萍;人工神經(jīng)網(wǎng)絡(luò)在組合優(yōu)化與信息處理中的應(yīng)用[D];中北大學(xué);2005年

6 王玲;基于人工神經(jīng)網(wǎng)絡(luò)的水文過(guò)程模擬研究[D];河海大學(xué);2002年

7 闞丹鋒;人工神經(jīng)網(wǎng)絡(luò)在化工物性定量預(yù)測(cè)中的應(yīng)用研究[D];北京化工大學(xué);1992年

8 O-煒;基于人工神經(jīng)網(wǎng)絡(luò)的混合智能系統(tǒng)研究及應(yīng)用[D];哈爾濱工程大學(xué);2009年

9 尚永輝;主—客體分子間相互作用的光電分析及人工神經(jīng)網(wǎng)絡(luò)預(yù)估研究[D];西北大學(xué);2011年

10 董學(xué)育;基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法在電站中的應(yīng)用研究[D];東南大學(xué);2001年

相關(guān)碩士學(xué)位論文 前10條

1 黃俊;基于人工神經(jīng)網(wǎng)絡(luò)的焊接材料設(shè)計(jì)[D];南京理工大學(xué);2002年

2 陳俊;基于人工神經(jīng)網(wǎng)絡(luò)的旅游需求預(yù)測(cè)[D];昆明理工大學(xué);2006年

3 于海華;人工神經(jīng)網(wǎng)絡(luò)與煤發(fā)熱量的測(cè)量[D];黑龍江大學(xué);2003年

4 侯哲哲;人工神經(jīng)網(wǎng)絡(luò)在材料設(shè)計(jì)中的應(yīng)用[D];河北工業(yè)大學(xué);2003年

5 李雙;雙組分混合體系中人工神經(jīng)網(wǎng)絡(luò)分析方法的研究[D];中國(guó)海洋大學(xué);2010年

6 辜濤;基于BP人工神經(jīng)網(wǎng)絡(luò)的智能倉(cāng)儲(chǔ)智能品質(zhì)評(píng)價(jià)[D];北京交通大學(xué);2012年

7 盧海;基于人工神經(jīng)網(wǎng)絡(luò)的冰情預(yù)測(cè)研究[D];天津大學(xué);2007年

8 張碩;人工神經(jīng)網(wǎng)絡(luò)在高光譜礦物識(shí)別中的應(yīng)用與研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2008年

9 孟嘉偉;基于BP人工神經(jīng)網(wǎng)絡(luò)的水質(zhì)評(píng)價(jià)模型[D];天津大學(xué);2010年

10 趙一寧;人工神經(jīng)網(wǎng)絡(luò)和遺傳算法在船體結(jié)構(gòu)動(dòng)力學(xué)中的應(yīng)用[D];大連理工大學(xué);2002年

，

本文編號(hào)：2223137