準(zhǔn)確掌握土壤水分動態(tài)變化,對精準(zhǔn)制定灌溉計(jì)劃至關(guān)重要。采用五道溝實(shí)驗(yàn)站2018-2019年蒸滲儀日土壤水和同期7個氣象要素（氣溫、降雨、水面蒸發(fā)、日照時(shí)數(shù)、風(fēng)速、絕對濕度、地溫）資料,采用BP神經(jīng)網(wǎng)絡(luò)方法建立冬小麥生育期不同土層（10、30、50 cm）的土壤水分預(yù)測模型,模型分別為BP（7-9-1）、BP（7-12-1）和BP（7-14-1）,并用遺傳算法優(yōu)化上述BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明:兩種模型均可用于冬小麥生育期土壤水分預(yù)測,其中遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)能夠更好提高預(yù)測精度,且隨著土層厚度增加,預(yù)測精度提高。BP神經(jīng)網(wǎng)絡(luò)土壤水分預(yù)測10、30、50 cm土層平均相對誤差分別為6.2%、4.0%、2.9%;遺傳BP神經(jīng)網(wǎng)絡(luò)土壤水分預(yù)測10、30、50 cm土層平均相對誤差為3.8%、1.7%、1.3%。 

【文章來源】：節(jié)水灌溉. 2020,(11)北大核心

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引 言
1 實(shí)驗(yàn)研究概況
    1.1 實(shí)驗(yàn)站概況
    1.2 資料選取與研究方法
2 結(jié)果與分析
    2.1 冬小麥生育期實(shí)測土壤水分變化特征分析
    2.2 BP神經(jīng)網(wǎng)絡(luò)模型的建立
        2.2.1 輸入層輸出層的確定
        2.2.2 隱含層節(jié)點(diǎn)數(shù)的確定
        2.2.3 BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)建和訓(xùn)練參數(shù)的確定
        2.2.4 BP神經(jīng)網(wǎng)絡(luò)模型確定和檢驗(yàn)
    2.3 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]隨州土壤水分周年變化特征及對農(nóng)業(yè)的影響[J]. 周澤民,郝元甲.  湖北農(nóng)業(yè)科學(xué). 2019(15)
[2]基于支持向量機(jī)方法的土壤水分特征曲線預(yù)測模型[J]. 李彬楠,樊貴盛.  節(jié)水灌溉. 2019(01)
[3]基于PCA-SVR的冬小麥土壤水分預(yù)測[J]. 聶紅梅,楊聯(lián)安,李新堯,封涌濤,任麗,張彬.  土壤. 2018(04)
[4]基于ARIMA模型的貴州省黃壤墑情預(yù)測研究[J]. 李軍,張和喜,蔣毛席,方小宇.  人民黃河. 2010(08)
[5]基于秋季降水量的春播關(guān)鍵期土壤墑情預(yù)測[J]. 馬曉剛.  中國農(nóng)業(yè)氣象. 2008(01)
[6]ARIMA模型預(yù)測土壤墑情研究[J]. 楊紹輝,王一鳴,郭正琴,董亞峰.  干旱地區(qū)農(nóng)業(yè)研究. 2006(02)
[7]土壤水分預(yù)測神經(jīng)網(wǎng)絡(luò)模型和時(shí)間序列模型比較研究[J]. 劉洪斌,武偉,魏朝富,謝德體.  農(nóng)業(yè)工程學(xué)報(bào). 2003(04)

碩士論文
[1]滴灌棉田土壤墑情預(yù)測研究[D]. 何帥.石河子大學(xué) 2015



本文編號：3183017