干旱地区农业研究
榦旱地區農業研究
간한지구농업연구
AGRICULTURAL RESEARCH IN THE ARID AREAS
2011年
2期
209-212
,共4页
白鹏%宋孝玉%王娟%史文娟%王全九
白鵬%宋孝玉%王娟%史文娟%王全九
백붕%송효옥%왕연%사문연%왕전구
神经网络%遗传算法%入渗%产流%预测模型
神經網絡%遺傳算法%入滲%產流%預測模型
신경망락%유전산법%입삼%산류%예측모형
引入遗传算法优化BP神经网络权重和阈值的方法建立黄土坡面产流入渗模型.模型以雨强、降雨历时、表层40 cm土壤前期含水量、坡度值为输入项,径流量、入渗量为输出项,用实测资料对网络进行模拟和预测.模拟结果平均误差6.32%和1.93%,预测结果平均误差为5.71%和1.92%.并与传统BP神经网络模型和定雨强Philip回归模型的预测入渗结果进行了对比,结果表明:遗传算法优化BP神经网络模型的预测效果要明显优干传统BP神经网络模型和定雨强Philip入渗模型,三种模型入渗预测结果平均误差分别为1.92%,5.29%,9.10%,最大误差分别为6.48%,25.88%,20.36%.
引入遺傳算法優化BP神經網絡權重和閾值的方法建立黃土坡麵產流入滲模型.模型以雨彊、降雨歷時、錶層40 cm土壤前期含水量、坡度值為輸入項,徑流量、入滲量為輸齣項,用實測資料對網絡進行模擬和預測.模擬結果平均誤差6.32%和1.93%,預測結果平均誤差為5.71%和1.92%.併與傳統BP神經網絡模型和定雨彊Philip迴歸模型的預測入滲結果進行瞭對比,結果錶明:遺傳算法優化BP神經網絡模型的預測效果要明顯優榦傳統BP神經網絡模型和定雨彊Philip入滲模型,三種模型入滲預測結果平均誤差分彆為1.92%,5.29%,9.10%,最大誤差分彆為6.48%,25.88%,20.36%.
인입유전산법우화BP신경망락권중화역치적방법건립황토파면산류입삼모형.모형이우강、강우력시、표층40 cm토양전기함수량、파도치위수입항,경류량、입삼량위수출항,용실측자료대망락진행모의화예측.모의결과평균오차6.32%화1.93%,예측결과평균오차위5.71%화1.92%.병여전통BP신경망락모형화정우강Philip회귀모형적예측입삼결과진행료대비,결과표명:유전산법우화BP신경망락모형적예측효과요명현우간전통BP신경망락모형화정우강Philip입삼모형,삼충모형입삼예측결과평균오차분별위1.92%,5.29%,9.10%,최대오차분별위6.48%,25.88%,20.36%.
