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。

基于改进的BP神经网络对蓄水坑灌冬季果园土壤温度预测

为准确预测冬季果园土壤温度,建立了蓄水坑灌条件下BP神经网络土壤温度预测模型(BP-WSPI-T)、遗传算法优化的BP神经网络土壤温度预测模型(GA-WSPI-T)和增量逆传播学习算法优化的BP神经网络土壤温度预测模型(IBP-WSPI-T),采用坑内平均气温、地表温度、沿相邻两蓄水坑中心连线距坑壁的距离和距坑壁5cm处分层土壤最低温度为模型输入,对距坑壁15、25和35cm处分层土壤最低温度进行预测,并通过与田间实测数据的统计学分析来判定预测效果。结果表明:BP-WSPI-T、GA-WSPI-T和IBP-WSPI-T模型的平均相对误差分别为8.19%、4.41%和7.57%,GA-WSPI-T模型的预测效果最好,较BP神经网络预测精度得到了很大的提高,建议采用GA-WSPI-T模型对蓄水坑灌冬季果园土壤温度进行预测。