基于网格搜索和交叉验证支持向量机的地表土壤容重预测

为了改善支持向量机(SVM)对地表(0~2 cm)土壤容重预测的应用可行性及其效果,针对传统经验法选择SVM惩罚因子C和核函数参数g可能造成的较大误差的问题,提出了一种对SVM参数进行优化的方法—网格搜索与交叉验证相结合的方法。本文采用所提出的参数优化方法,以黄土高原区旱作农田土壤表层容重年度跟踪试验数据样本为依据,选取土壤(0~2 cm)粒径分布、有机质含量、体积含水率、累积接受水量和全盐量为输入变量,建立了地表土壤容重的SVM预测模型。结果表明:所建SVM模型预测值和试验实测值之间不存在显著性差异,利用SVM预测地表土壤容重是可行的;采用网格搜索与交叉验证相结合的方法对SVM参数进行优化,明显降低了模型的预测误差;在粒径分布、有机质含量、体积含水率为输入变量的基础上,增加全盐量为输入因子并不能显著提高模型的预测效果,而增加累积接受水量为输入因子的预测效果明显优于前几种情况,其训练样本和测试样本相对误差的平均值分别为6.23%和6.95%,都在可接受范围。研究成果可为土壤表层容重的实时预测提供有力支撑。

黄土耕作农田地表土壤(0～2cm)容重的多元非线性预报模型

为给黄土高原区地表土壤容重参数的获取提供技术支撑,以山西省15个试验点的年度跟踪监测样本为依据,在用灰色关联理论对输入变量进行灰色排序,并对函数进行显著性检验和精度检验的基础上,采用多元非线性方法,建立了以地表(0~2 cm)土壤基本理化参数和累积接收水量为输入变量,以地表(0~2 cm)土壤容重为输出变量的多元土壤传递函数。研究表明:地表(0~2 cm)土壤容重与地表(0~2 cm)土壤基本理化参数和累积接收水量等输入变量间的关联度程度很好;以地表土壤黏粒含量、粉粒含量、累积接收水量、有机质含量、体积含水率和全盐量作为输入变量对地表土壤容重进行多元非线性预报是可行的。建模样本和检验样本相对误差的平均值分别为5.24%和5.88%,预测精度完全在可接受范围。