典型文献
基于遗传算法优化BP神经网络的石漠化区土壤水分动态预测模型
文献摘要：
云南省建水县为典型的岩溶断陷盆地地貌,是我国喀斯特石漠化综合治理的重要类型区,对该地区土壤水分动态变化过程及其影响因素的揭示是水土保持和生态恢复工作的必要条件.收集云南建水县石漠化治理区2006年4月16日-2020年12月1日的逐日气象资料和轻度和中度2个石漠化区的土壤水分资料,分层建立BP(back propagation)神经网络土壤水分预测模型,并利用遗传算法对模型的权值和偏置进行优化.结果表明:1)经遗传算法优化后轻度石漠化区和中度石漠化区样地平均相对误差分别提升45％和63％,均方根误差分别提升3％和12％,R2分别提升约27％和17％,但随着土层深度的增加,预测精度呈降低趋势;2)应用敏感性分析确定影响该地区土壤水分动态的主要气象因子为降水和气温,但随着土层深度增加,对气象因子的响应程度降低,遗传算法优化BP神经网络模型更适合对中度石漠化样地进行土壤水分预测.基于遗传算法优化的神经网络预测模型精度较高,能更好地实现该区域的预测.
文献关键词：
遗传算法;BP神经网络;土壤水分预测;敏感性分析;石漠化
中图分类号：
作者姓名：
杨佳琦;郭建斌;汤明华;周金星;万龙
作者机构：
北京林业大学水土保持学院云南建水荒漠生态系统国家定位观测研究站,654300,云南建水;北京林业大学水土保持国家林业和草原局重点实验室,100083,北京
文献出处：
引用格式：
[1]杨佳琦;郭建斌;汤明华;周金星;万龙-.基于遗传算法优化BP神经网络的石漠化区土壤水分动态预测模型)[J].中国水土保持科学,2022(03):109-118
A类：
B类：
遗传算法优化,石漠化区,土壤水分动态,动态预测模型,建水县,岩溶断陷盆地,喀斯特石漠化,类型区,变化过程,水土保持,生态恢复,恢复工作,云南建水,石漠化治理,逐日,气象资料,back,propagation,土壤水分预测,权值,偏置,样地,地平,平均相对误差,土层深度,气象因子,响应程度,神经网络预测模型,预测模型精度
AB值：
0.255295
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
