基于T-S模糊神经网络模型的干旱区土壤盐分预测研究
S159%TV32+1; [目的]本研究以野外考察数据为基础,尝试构建基于模糊神经网络方法的干旱区土壤盐分预测模型,对表层土壤盐分进行预测模拟.[方法]首先,根据研究区实际情况选取7个土壤盐渍化影响因子并提取所需信息,利用灰色关联分析法得出土壤盐分与各影响因子之间的关系,然后利用土壤盐渍化的影响因子作为输入样本,土壤盐分作为输出因子,建立了基于T-S模糊神经网络的表层土壤盐分预测模型.[结果]预测结果表明,平均相对误差为13.092%,最小误差为0.875%,最大相对误差为41.733%,预测精度较高.[结论]T-S模糊神经网络模型的预测效果较好,可以用于预测土壤盐渍化状况,为干旱区土壤盐渍化...
Saved in:
Published in | 西南农业学报 Vol. 31; no. 7; pp. 1418 - 1424 |
---|---|
Main Authors | , , , , |
Format | Journal Article |
Language | Chinese |
Published |
新疆水利水电科学研究院,新疆乌鲁木齐830049
2018
绿洲生态教育部重点实验室,新疆乌鲁木齐830046%新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室,新疆乌鲁木齐830046 新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室,新疆乌鲁木齐830046 绿洲生态教育部重点实验室,新疆乌鲁木齐830046 |
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | S159%TV32+1; [目的]本研究以野外考察数据为基础,尝试构建基于模糊神经网络方法的干旱区土壤盐分预测模型,对表层土壤盐分进行预测模拟.[方法]首先,根据研究区实际情况选取7个土壤盐渍化影响因子并提取所需信息,利用灰色关联分析法得出土壤盐分与各影响因子之间的关系,然后利用土壤盐渍化的影响因子作为输入样本,土壤盐分作为输出因子,建立了基于T-S模糊神经网络的表层土壤盐分预测模型.[结果]预测结果表明,平均相对误差为13.092%,最小误差为0.875%,最大相对误差为41.733%,预测精度较高.[结论]T-S模糊神经网络模型的预测效果较好,可以用于预测土壤盐渍化状况,为干旱区土壤盐渍化变化规律提供了一种有效的方法. |
---|---|
ISSN: | 1001-4829 |
DOI: | 10.16213/j.cnki.scjas.2018.7.015 |