基于改进BPNN-SVR算法的土壤盐分参数与有机质相关性研究

作者：王正; 孙兆军^*; 禹昭; 何俊; 韩磊; 李茜

来源：节水灌溉, 2020, (01): 94-99.

• 支持向量机
• 核函数
• 盐碱土
• 有机质

研究土壤有机质含量与土壤盐分参数之间的相关关系,可以为土壤施肥、增产增收及资源有效利用等方面提供理论支撑。研究采集了试验地中165个土样,并测定了土样的HCO-3、SO■、Cl-、Na+、Ca2+、K+、Mg2+等离子的含量、土壤全盐含量及土壤有机质含量等数据,研究了土壤有机质含量与土壤盐分参数之间的相关关系以及核函数对预测模型的影响。结果表明:土壤盐分参数与土壤有机质含量之间有较强的相关性,使用基于BP神经网络(BPNN)与回归型支持向量机(SVR)建立的改进BPNN-SVR模型预测土壤有机质含量具有较高的可信度。明确了最优的核函数参数后,随机抽取120个样本数据作为训练集,剩余45个样本数据为测试集,数据归一化后用改进BPNN-SVR预测训练集的决定系数达到0.938,均方差为0.074 2,测试集的决定系数达到0.941 5,均方误差为0.106 5,显示了改进BPNN-SVR优良的泛化能力和预测性能;用传统的BPNN模型预测土壤有机质作为对比试验,测试集的决定系数为0.870 3,均方差为0.116 2。因此,改进BPNN-SVR模型相较于传统BPNN模型的测试集均方差降低了30.99%,决定系数提高了8.18%。在同一训练集和测试集条件下,不同核函数对改进BPNN-SVR模型也有显著的影响,其中RBF核函数表现最佳,决定系数达0.908 6,平均相对误差(5.98%)和均方误差(0.074 6)均小于其他核函数类型。因此,基于RBF核函数的改进BPNN-SVR模型可以利用土壤盐分参数有效地估算土壤有机质含量,且精度和可靠性较高。

• 单位
  宁夏大学; 宁夏大学新华学院