中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 盐碱土壤Philip入渗模型参数的神经网络预报模型 土壤通报 2017 (3) 569-574
Position: Home > Articles > Philip Infiltration Parameters of Neural Network Prediction Model for Saline-alkali Soil Chinese Journal of Soil Science 2017 (3) 569-574

盐碱土壤Philip入渗模型参数的神经网络预报模型

作  者：
程诗念;樊贵盛
单  位：
太原理工大学水利科学与工程学院
关键词：
Philip入渗模型;入渗参数;盐碱地;BP神经网络;土壤理化参数
摘  要：
以改良盐碱土壤、提供入渗参数为研究目的,在山西省北部的4种盐碱荒地进行了系列入渗试验和基本理化参数测定试验。基于误差反向传播算法(Back Propagation算法),建立了盐碱地土壤基本理化参数与Philip入渗模型参数之间的神经网络预报模型。预测所得Philip入渗模型参数的平均相对误差如下:稳渗率A为4.30%、吸渗率S为0.31%,预测值与实测值吻合程度高。研究结果表明,基于盐碱地土壤条件,选择土壤体积含水率、容重、质地、有机质含量、全盐量以及p H作为预报模型输入变量,Philip入渗模型参数为输出变量的BP神经网络的预报模型是可行的。
译  名：
Philip Infiltration Parameters of Neural Network Prediction Model for Saline-alkali Soil
作  者：
CHENG Shi-nian;FAN Gui-sheng;College of Hydroscience and Engineering, Taiyuan University of Technology;
关键词：
Philip infiltration model;;Infiltration parameters;;Saline-alkali land;;BP neural network;;Soil physicochemical parameter
摘  要：
In order to improve saline-alkali soil and provide infiltration parameters, the series of infiltration experiments and physicochemical parameter determination experiments were carried out in four kinds of saline soil in northern Shanxi Province. Based on the Back Propagation algorithm, the neural network prediction model was established between the basic physicochemical parameters and Philip infiltration parameters of saline-alkali soil. The average relative errors of the parameters predicted by BP neural network were as follows: the steady infiltration rate was 4.30% and the sorptivity rate was 0.31%. The predictive values were well coincident with the actual values. The results showed that based on the saline-alkali soil, it was feasible that selecting volumetric moisture content, density,texture, organic matter, content of salt and p H as input variable and Philip infiltration parameters as output variable in the BP prediction model.

相似文章

导出引用
计量
文章访问数: 7
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46