在土壤质地、土壤容重和含水量一定的情况下 ,把土壤溶质运移时间和运移距离看作影响土壤溶质运移的主要参数 ,建立2个输入单元和 1个输出单元的三层BP网络 ,对一维垂直土柱Cd2 + 的穿透试验进行了模拟和预测。其预测结果同数值解相比 ,R2 =0 .94 9,精度基本一致。可见BP网络预测模型反映了溶质穿透过程中 ,土壤溶质含量与运移时间和距离的动态关系 ;用BP网络预测土壤溶质含量的时空变化具有可行性 ,而且不需要建立具体的数学模型 ;工作量大大减小 ,不需要测定水动力弥散系数、阻滞系数等 ,具有很强的实用性

应用有限差分法对非饱和土壤中一维溶质运移模型数值求解，模拟了土壤水分运动和溶质运移的动态过程。以实测数据验证了模拟结果的合理性与有效性。为保证数值模拟正确进行，给出确定离散步长ｄｘ和ｄｔ的三个准则。

为快速准确获取省域尺度下土壤有机质的空间分布状况。以江西省2012年测土配方施肥项目采集的16 582个耕地表层(0~20 cm)土壤样点数据,借助四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息作为辅助变量,构建基于地理坐标与辅助变量的BP神经网络模型和普通克里金法结合的方法(BPNN_OK)、基于地理坐标与辅助变量的RBF神经网络模型和普通克里金法结合的方法(RBFNN_OK)和普通克里金法(OK法)3种方法,模拟省域尺度下耕地表层(0~20 cm)土壤有机质的空间分布。对2 416个验证样点进行独立验证的研究结果显示:基于辅助变量的神经网络模型较普通克里金法有较大提升。BPNN_OK法对土壤有机质预测结果的均方根误差、平均绝对误差、平均相对误差较OK法分别降低了2.76 g/kg、2.34 g/kg、9.83%,RBFNN_OK法较OK法分别降低了2.70 g/kg、2.29 g/kg、9.61%。研究显示,基于辅助变量的神经网络模型与OK法结合的方法明显地提高了土壤有机质空间分布模拟精度,并且存在改进和提高的空间。

莺落峡是黑河干流出山口径流量的重要控制站,莺落峡径流量的多少直接影响着该流域经济、社会的发展和生态环境保护,水资源分配和调度的管理和决策。论文基于人工神经网络,对莺落峡径流进行了模拟预测。将月径流分为汛期和非汛期,分别建立BP人工神经网络,通过对径流分类前后的模型进行比较,发现分类后的月径流BP模型的性能显然优于未分类的模型,故此设计了4种不同气候情景,采用分类后的模型对莺落峡2030年的径流量进行了预测。即,在降水量不变、气温增加0.5℃,2030年莺落峡年径流量将增加8.92%;气温增加1℃、降水量不变,年径流量将减少5.414%;气温不变、降水量增加10%,年径流量将增加9.905%;气...

为了阐明地下水埋深对土壤溶质运移的影响,通过室内均质土柱试验,以Br-为示踪剂,对90 mm和45 mm两种次灌水量下,1.7,1.2和0.8 m地下水埋深土壤中表施溶质Br-的运移规律进行了研究。结果表明,土表Br-聚集趋势均随地下水埋深增大而增强;随灌水次数增加,土表Br-向下淋移趋势随水位加深而减缓;较浅的地下水埋深有利于土壤溶质(Br-)向下运移;随次灌水量的增加,土表溶质聚集减弱,土壤溶质向下迁移加快。即较浅的地下水埋深和较大的次灌水量能促进土壤溶质向下迁移,减弱其在土表的聚集。

针对模型预测控制(model predictive control,MPC)优化求解中占用资源较多、实时性较低且实现相对复杂的问题,该文提出了一种基于现场可编程模拟阵列(field programmable analog array,FPAA)模拟神经网络的快速模型预测控制算法。通过FPAA模拟电路来实现基于连续神经网络的二次规划求解,有效规避了离散神经网络的收敛性问题,具有求解速度快、占用资源小、简单易实现的特点;通过平移变换和尺度变换方法,解决FPAA模拟电路的信号限制。最后该文给出了FPAA模拟神经网络预测控制软硬件设计方案并通过实验验证了该算法的有效性。

降雨侵蚀力变化是一复杂过程,其变化存在一定的随机波动性,土壤侵蚀是三峡库区生态环境脆弱最主要的影响因素之一,查明库区土壤侵蚀强度的演化过程及未来趋势是库区生态文明建设过程中急需解决的关键科学问题。论文基于三峡库区1990年侵蚀降雨特征,利用BP神经网络对2010年75个站点降雨侵蚀力进行模拟、验证,预测2030年75个站点降雨侵蚀力。选取2030年预测结果中位于库区周围的27个站点,结合2030年库区自然增长、生态保护情景下土地利用模拟数据,使用RUSLE计算2030年土壤侵蚀强度。结果表明:1)2010年库区降雨侵蚀力模拟相对误差为15%,测试样本数据相对误差为14.67%,预测相对误差为19.65%,NE系数为0.85,说明BP神经网络对库区降雨侵蚀力具有良好模拟效果;2)2010年库区土壤侵蚀强度的Kappa指数为0.75,计算结果能满足模拟与预测需求;3)在土地利用不变情况下,2030年库区轻度、中度侵蚀面积均有所增加,微度及强烈以上侵蚀面积均呈减少趋势,且侵蚀强度转变中的58%来源于相邻侵蚀强度,跨侵蚀等级区的较少;4)在降雨侵蚀力不变情况下,自然增长、生态保护情景下未来土地利用变化所导致的土壤侵蚀均呈下降趋势,后者下降的趋势更为明显;5)在降雨侵蚀力及土地利用均变化的情况下,自然增长、生态保护情景下土壤侵蚀均呈下降趋势。

收集太湖典型农田2010年10—12月和2011年3—6月2个时间段的逐日气象资料和土壤水分资料,运用BP(back propagation)神经网络和缺省因子分析法确定影响该地区土壤水分动态的主要气象因子(降水量、蒸发量、平均气温和平均地表温度以及平均风速),以这些主要影响因子作为输入变量建立该地区土壤水分动态模拟的BP神经网络模型。利用100组实测样本对神经网络进行训练,用剩余的64组实测样本进行检验。结果表明:0～14 cm和14～33 cm土壤含水量模拟的平均相对误差(MARE)最大为0.062 9,均方根误差(RMSE)最大为1.764,不同土壤层次的训练样本和检验样本的精度(PA)...

提出土壤类型分析、识别的人工神经网络模型，并对黑龙江省松花江地区的土壤类型进行了研究。结果表明，该方法具有容错能力强，识别速度快的优点，可望成为土壤分类工作的有效的辅助手段。

为提高坡耕地产量,保护水土流失,分析不同下垫面土壤侵蚀量的预测方法,以2000~2001辽宁北部典型坡耕地数据为样本,建立BP神经网络土壤侵蚀量预测模型,应用2002年土壤侵蚀量数据对模型进行检验。结果表明:采用三层BP网络结构,输入层为4个神经元,分别为径流量、降雨量、有机质、覆盖度,输出层为土壤侵蚀量。预测值的合格率为80%,精度较高,具有很好的预测性能。

采用单隐层RBF神经网络模型预测土壤重金属Cr、As、Ni、Pb、Zn 5种元素的含量,实测35组数据做为训练数据,另用6组做验证数据,该模型是以利用采样的10组数据预测其后的连续5组数据,输入层的神经元个数是10,输出层是5,隐含层的传递函数为径向基函数radbas,输出层的传递函数为线性函数Purelin,其结果表明:采用RBF神经网络模型预测有较高的精度。通过多元统计分析采样样品与预测样品,研究区域As、Ni、Zn的均值超过了上海市土壤环境背景值,As元素达到高度变异,Pb、Zn、Ni 3种元素达到中度变异。通过因子分析,前2个因子基本包含了全部元素变量的主要信息,第1因子中载荷最高是元素Ni(0.946),第2因子中则为元素As(0.930)。通过潜在生态风险指数评价,研究区域整体呈轻度生态风险水平。采用RBF神经网络模型可以降低采样分析成本,更好的评价区域土壤重金属的生态风险。

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应,采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示:综合考虑流域五河及长江来水(汉口或九江)的BPNN水位模型,空间站点水位模拟精度(R2和Ens)可达0.90以上,各站点的均方根误差(RMSE)变化范围约0.50~1.0m,若忽略长江来水的影响作用,仅将流域五河来水作为湖泊水位的主控影响因子,模型训练期与测试期的纳希效率系数(Ens)和确定性系数(R2)显著降低,且低于0.50,均方根误差(RMS...

通过土柱淋溶试验 ,研究了用时域反射仪 (TDR)测定土壤溶质运移过程中的影响因素。结果表明 ,TDR测定溶质的浓度存在着上、下限。用Ca (NO3 ) 2 作示踪剂时 ,TDR测定的下限为 40mg/L ;温度是另一主要的影响因素 ,随着温度的升高 ,TDR的电阻值下降 ;不同流速和不同浓度均对溶质运移的平衡时间有影响。由于重力势的作用 ,土柱上、下层之间达到平衡的时间也有显著的差异。实验中的淋洗平衡液不宜用蒸馏水或去离子水 ,用自来水可提高土壤溶液电导率的基线

[目的]地面太阳辐射数据的获取受限于稀少的太阳辐射观测站点，气象卫星可以提供较高的时间和空间分辨率数据，为模拟太阳辐射提供了新的数据源；引入人工神经网络模型模拟太阳辐射可以获取更精准的数据指导农业生产。[方法]利用气象卫星数据构建模拟太阳辐射的模型，在晴天和有云2种天气情况下，分别借助随机梯度下降算法（Stochastic Gradient Descent， SGD）、均方根传播算法（Root Mean Square Propagation， RMSprop）、自适应动量估计算法（Adaptive Momentum Estimation， Adam）优化的BP神经网络方法构建不同输入变量组合的晴空模型和云空模型，选取最优的算法和模型；再综合晴空模型和云空模型的结果，得到全天空条件下的太阳辐射模拟结果。[结果]（1）BP神经网络的优化算法中，RMSprop和Adam算法比SGD算法表现更好，损失函数收敛更快且更稳定，误差更小；晴空模型采用RMSprop算法优化的BP神经网络模型，相关系数R为0.950，均方根误差RMSE为84.27 W·m~(-2)，平均绝对误差MAE为58.99 W·m~(-2)；云空模型采用Adam算法优化的BP神经网络模型，R为0.884，RMSE为124.13 W·m~(-2)，MAE为88.08 W·m~(-2)。（2）利用卫星数据和地面气象数据共同作为输入变量构建的模型相比于不利用地面气象数据构建的模型效果更优，R增加0.015，RMSE减小11.93%，MAE减小21.77%。在云空模型的输入变量中增加反映云透光性的云光学厚度也可以减小模型的误差，R增加0.018，RMSE减小6.45%，MAE减小7.41%。（3）在输入变量相同的情况下，晴空模型模拟地面太阳辐射的精度比云空模型更高，R增加0.066，RMSE减小32.11%，MAE减小33.03%。晴空较有云的天气状况更加稳定，模拟效果更好。[结论]通过不同优化算法的选择，以及利用卫星数据和地面气象数据共同构建模型，可以显著提升模型的精度。模型可以应用于解决部分地区太阳辐射值缺失的问题，对于需要利用太阳辐射数据进行研究的农业领域具有重要的意义。

为探讨北方日光温室空气相对湿度因子的变化规律、预测其变化趋势,进而采取合理的调控措施,从分析比较BP和RBF神经网络的特点出发,选择RBF神经网络作为预测网络,并采用高斯径向基函数作为网络激活函数,提出了一种适用于北方日光温室空气相对湿度环境因子的模拟预测模型。选取沈阳农业大学北山试验基地内日光温室进行多种环境参数采集,采用主成分分析法确定模拟预测模型的输入因子,并分别选取600组和80组实测数据对网络模型进行建立和验证。结果表明:该模型学习过程相对较快,且预测值与实测值的相对误差小于7.35%,模拟值与实际值相对误差0.19%,模型可用于模拟和预测北方日光温室大棚内空气相对湿度的变化趋势,预...