土壤侵蝕已成為我國面臨的最嚴峻的生態(tài)環(huán)境問題之一,開展土壤侵蝕預測是有效進行水土流失監(jiān)測、水土保持措施效果評估的重要基礎工作；土壤侵蝕預測模型正是實施這一工作的有效手段。當前有關土壤侵蝕預測模型已有多種,如經(jīng)驗、物理、分布式和概念等模型,但這些模型都需要大量的長系列歷史數(shù)據(jù),而我國水土保持試驗觀測存在起步晚等現(xiàn)實條件,觀測數(shù)據(jù)有限。因此,尋找在較短系列數(shù)據(jù)基礎上準確預測其土壤侵蝕的模型,成為當前研究的熱點和難點。本研究利用地處川中丘陵區(qū)的遂寧水土保持試驗站6個徑流小區(qū)1991～2000年的觀測數(shù)據(jù),采用基于Matlab的BP神經(jīng)網(wǎng)絡和支持向量機（SVM）兩種人工智能技術,對該區(qū)分別進行了5因子、9因子、10因子及特定耕作方法下的坡面土壤侵蝕建模及預測,探討了川中丘陵區(qū)土壤侵蝕的BP神經(jīng)網(wǎng)絡和SVM建模預測的方法、推廣潛力及模型優(yōu)化的途徑。研究中對試驗區(qū)的順坡壟作、橫坡壟作等11種耕作方法的P值進行了定量化,并將其作為輸入因子之一用于BP神經(jīng)網(wǎng)絡和SVM預測建模,取得很好的效果。其主要結果如下：1、針對研究區(qū),降雨量、降雨歷時與土壤侵蝕存在極顯著相關關系,植被覆蓋率與土壤侵蝕存在顯著相關... 

【文章來源】：四川農(nóng)業(yè)大學四川省 211工程院校

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 前言
    1.1 研究背景
    1.2 國內外研究現(xiàn)狀
        1.2.1 土壤侵蝕預測模型研究現(xiàn)狀
        1.2.2 人工智能技術在土壤侵蝕領域的研究進展
        1.2.3 川中丘陵區(qū)土壤侵蝕研究進展
    1.3 本研究內容、目的及意義
    1.4 研究區(qū)域概況
        1.4.1 試驗場設計
        1.4.2 試驗處理
        1.4.3 觀測方法
    1.5 研究技術路線
2 人工神經(jīng)網(wǎng)絡理論及其預測概述
    2.1 神經(jīng)網(wǎng)絡的基本理論
    2.2 神經(jīng)網(wǎng)絡的特點
    2.3 常見的神經(jīng)網(wǎng)絡
        2.3.1 常見的神經(jīng)網(wǎng)絡類型
        2.3.2 BP神經(jīng)網(wǎng)絡
    2.4 神經(jīng)網(wǎng)絡的學習方法
3 支持向量機理論概述
    3.1 支持向量機基礎理論
        3.1.1 VC維
        3.1.2 經(jīng)驗風險最小化準則
        3.1.3 結構風險最小化歸納原則
    3.2 常見的支持向量機
        3.2.1 支持向量分類機
        3.2.2 支持向量回歸機
4 BP神經(jīng)網(wǎng)絡和SVM的MATLAB實現(xiàn)
    4.1 MATLAB軟件介紹
    4.2 BP神經(jīng)網(wǎng)絡預測在MATLAB中的實現(xiàn)
        4.2.1 Matlab的神經(jīng)網(wǎng)絡工具箱
        4.2.2 基于BP神經(jīng)網(wǎng)絡預測方法在Matlab中的實現(xiàn)步驟
    4.3 SVM預測在MATLAB中的實現(xiàn)
        4.3.1 SVM工具箱
        4.3.2 基于SVM預測方法在Matlab中的實現(xiàn)步驟
5 基于BP神經(jīng)網(wǎng)絡及SVM方法的土壤侵蝕預測建模
    5.1 預測建模步驟
        5.1.1 數(shù)據(jù)準備及預處理
        5.1.2 創(chuàng)建模型并設置相應參數(shù)
        5.1.3 訓練模型
        5.1.4 測試和修改模型
    5.2 預測精度規(guī)定
    5.3 試驗1:基于5個輸入因子建模
        5.3.1 基于BP神經(jīng)網(wǎng)絡的預測建模
        5.3.2 SVM預測建模
    5.4 試驗2:基于9個輸入因子建模
        5.4.1 基于BP神經(jīng)網(wǎng)絡的預測建模
        5.4.2 SVM預測建模
    5.5 試驗3:基于10個輸入因子建模
        5.5.1 水土保持措施因子—P值的量化
        5.5.2 基于BP神經(jīng)網(wǎng)絡的預測建模
        5.5.3 SVM預測建模
    5.6 試驗4:特定耕作方法單獨建模
        5.6.1 基于BP神經(jīng)網(wǎng)絡的預測建模
        5.6.2 SVM預測建模
6 結果與討論
    6.1 研究結果
    6.2 討論
        6.2.1 水土保持措施因子(P)值的量化
        6.2.2 BP神經(jīng)網(wǎng)絡及SVM在土壤侵蝕預測中的應用
        6.2.3 BP神經(jīng)網(wǎng)絡及SVM在土壤侵蝕預測中的推廣
        6.2.4 BP神經(jīng)網(wǎng)絡及SVM在土壤侵蝕建模預測過程中的優(yōu)化
參考文獻
致謝
碩士期間發(fā)表的論文



本文編號：3601815