期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于灰色理论—BP神经网络方法的表层土壤容重预测
被引量:
5
1
作者
郭李娜
樊贵盛
《节水灌溉》
北大核心
2018年第2期93-97,共5页
以山西省黄土高原区15个试验点的年度跟踪监测样本为依据,利用灰色关联理论与BP神经网络相结合的方法,构建了表层土壤容重与土壤基本理化参数和累积接收水量之间的土壤传输函数预报模型。结果表明:影响表层土壤容重的7个土壤理化参数对...
以山西省黄土高原区15个试验点的年度跟踪监测样本为依据,利用灰色关联理论与BP神经网络相结合的方法,构建了表层土壤容重与土壤基本理化参数和累积接收水量之间的土壤传输函数预报模型。结果表明:影响表层土壤容重的7个土壤理化参数对于土壤容重的关联度均大于0.6;基于BP神经网络,以关联度较高的土壤粉粒含量、土壤砂粒含量、累积接收水量、体积含水率、有机碳含量和全盐量作为输入变量对表层土壤容重进行预测是可行的,预测值与实测值高度吻合,预测结果相对误差的平均值为0.41%,预测精度较高;检验样本预测结果相对误差的平均值为1.05%,误差完全在可接受范围内。研究结果可为黄土区土壤容重的获取提供新思路,为科学指导农田农事和灌溉管理提供理论支撑。
展开更多
关键词
表土容重
BP神经网络
灰色关联理论
累积接收水量
土壤传输函数
土壤理化参数
下载PDF
职称材料
黄土耕作农田地表土壤(0~2cm)容重的多元非线性预报模型
被引量:
1
2
作者
郭李娜
樊贵盛
《中国农村水利水电》
北大核心
2018年第1期14-18,22,共6页
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...
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。
展开更多
关键词
地表(0~2cm)土壤容重
交叉验证
支持向量机
累积接收水量
土壤理化参数
下载PDF
职称材料
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
被引量:
22
3
作者
郭李娜
樊贵盛
《土壤通报》
CAS
北大核心
2018年第3期512-518,共7页
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...
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。
展开更多
关键词
地表土壤容重
交叉验证
支持向量机
累积接收水量
土壤理化参数
原文传递
题名
基于灰色理论—BP神经网络方法的表层土壤容重预测
被引量:
5
1
作者
郭李娜
樊贵盛
机构
太原理工大学水利科学与工程学院
出处
《节水灌溉》
北大核心
2018年第2期93-97,共5页
基金
国家自然科学基金项目"区域尺度上土壤入渗参数多元非线性传输函数研究"(40671081)
文摘
以山西省黄土高原区15个试验点的年度跟踪监测样本为依据,利用灰色关联理论与BP神经网络相结合的方法,构建了表层土壤容重与土壤基本理化参数和累积接收水量之间的土壤传输函数预报模型。结果表明:影响表层土壤容重的7个土壤理化参数对于土壤容重的关联度均大于0.6;基于BP神经网络,以关联度较高的土壤粉粒含量、土壤砂粒含量、累积接收水量、体积含水率、有机碳含量和全盐量作为输入变量对表层土壤容重进行预测是可行的,预测值与实测值高度吻合,预测结果相对误差的平均值为0.41%,预测精度较高;检验样本预测结果相对误差的平均值为1.05%,误差完全在可接受范围内。研究结果可为黄土区土壤容重的获取提供新思路,为科学指导农田农事和灌溉管理提供理论支撑。
关键词
表土容重
BP神经网络
灰色关联理论
累积接收水量
土壤传输函数
土壤理化参数
Keywords
soil bulk density
BP neural network
grey relational theory
accumulated receiving water
soil transfer function
soil physicaland chemical parameters
分类号
S152 [农业科学—土壤学]
下载PDF
职称材料
题名
黄土耕作农田地表土壤(0~2cm)容重的多元非线性预报模型
被引量:
1
2
作者
郭李娜
樊贵盛
机构
太原理工大学水利科学与工程学院
出处
《中国农村水利水电》
北大核心
2018年第1期14-18,22,共6页
基金
国家自然科学基金资助项目"区域尺度上土壤入渗参数多元非线性传输函数研究"(40671081)
山西省农田节水技术开发服务推广站项目"农艺节水措施对作物产量及ET的影响效果研究"
文摘
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。
关键词
地表(0~2cm)土壤容重
交叉验证
支持向量机
累积接收水量
土壤理化参数
Keywords
soil bulk density of surface ( 0 - 2 cm) soil
multivariate nonlinearity
soil transfer function
accumulated receiving water
Physicochemical parameters
分类号
TV93 [水利工程—水利水电工程]
S152 [农业科学—土壤学]
下载PDF
职称材料
题名
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
被引量:
22
3
作者
郭李娜
樊贵盛
机构
太原理工大学
出处
《土壤通报》
CAS
北大核心
2018年第3期512-518,共7页
基金
国家自然科学基金资助项目(40671081)资助
文摘
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。
关键词
地表土壤容重
交叉验证
支持向量机
累积接收水量
土壤理化参数
Keywords
Soil bulk density
Cross validation
Support vector machine
Accumulated receiving water
Soil physical and chemical parameter
分类号
S152.5 [农业科学—土壤学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于灰色理论—BP神经网络方法的表层土壤容重预测
郭李娜
樊贵盛
《节水灌溉》
北大核心
2018
5
下载PDF
职称材料
2
黄土耕作农田地表土壤(0~2cm)容重的多元非线性预报模型
郭李娜
樊贵盛
《中国农村水利水电》
北大核心
2018
1
下载PDF
职称材料
3
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
郭李娜
樊贵盛
《土壤通报》
CAS
北大核心
2018
22
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部