蓄水坑灌条件下土壤贮水量预测模型对比研究

为了实现对蓄水坑灌苹果园根区土壤水分的定量监测,基于最小二乘向量机模型、BP神经网络模型和增量逆传播学习算法优化的BP神经网络模型,建立了以土壤初始贮水量、灌水后时段长度、时段内灌水量、时段内降雨量和蒸发蒸腾量为输入项,以蓄水坑灌果园根区贮水量为输出项的LSSVM、BP和IBP-BP模型,对田间土壤贮水量进行预测,并采用田间实测数据对模型进行率定和验证。结果表明:LSSVM、IBP-BP和BP模型的平均相对误差分别为6.53%、3.64%和5.98%。IBP-BP模型的预测精度最高,建议采用该模型进行蓄水坑灌果园土壤贮水量预测。     

冬小麦田间墒情预报的BP神经网络模型

土壤墒情预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物长势等的影响，关系比较复杂。本文利用北京市永乐店试验站冬小麦返青后的土壤水分试验资料，建立了土壤墒情预报的BP网络模型，模型中同时考虑了多个因素对土壤贮水量的影响。利用部分实测资料对网络进行训练，然后对2年不同灌水处理下的土壤贮水量进行预测，取得了较好的效果，表明BP神经网络用于墒情预报是可行的。