基于LSTM模型预测不同水保工程措施条件下土壤侵蚀量——以辽西北地区为例

作者：李明伟

来源：水土保持通报, 2023, 43(04): 162-169.

DOI：10.13961/j.cnki.stbctb.20230508.010

• 土壤侵蚀量
• 水土保持工程
• 机器学习模型
• 长短期记忆神经网络
• 深度学习模型
• 辽西北地区

[目的]准确模拟和预测不同水保工程措施下土壤侵蚀量，为辽西北地区精准预测土壤侵蚀量提供技术和理论依据。[方法]基于野外径流小区2011—2021年的监测数据，包括：最大30 min和60 min降雨强度(I30和I60)、降雨历时(T)、降雨量(P)和土壤侵蚀量，建立了长短期记忆神经网络(LSTM)分别对3种工程措施(水平槽、果树台田和梯田)下的土壤侵蚀量进行预测。并将LSTM预测结果与3个经典机器学习模型[反向传播神经网络(BP)、随机森林(RF)和支持向量机(SVM)]预测的结果进行对比。[结果](1)在3种工程措施中，I30,I60,T和P对土壤侵蚀量的影响程度不同，但I30,I60和T对土壤侵蚀量的影响大于P。(2)利用BP模型预测土壤侵蚀量的相对均方根误差(NRMSE)均大于0.2。(3)相比于RF和SVM模型，LSTM模型在3种工程措施下(水平槽、果树台和梯田)预测土壤侵蚀量的NRMSE分别降低了约0.04～0.08,0.02～0.08,0.05～0.08。(4)利用I30和T作为LSTM模型的输入特征预测土壤侵蚀量的精度与使用I30,I60,T和P为输入特征时的预测精度相近。[结论]在辽西北地区3种水保工程措施中，利用LSTM模型基于最大30 min雨强和降雨历时对土壤侵蚀量进行预测，取得了较其他传统模型高的预测精度。这说明LSTM模型可在同类地区土壤侵蚀量的精准模拟和确定水土保持措施中推广和应用。