BP人工神经网络用于土壤有机质直接测定仪 网络, 神经, 北爱尔兰, 资料

topyq2003

将BP人工神经网络用于土壤有机质直接测定仪，采用MATLAB6.5编写了神经网络模型，通过对17个土样测得的有机质光电压信号进行建模预测，并鉴于BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足，应用填充函数法与BP算法相结合训练神经网络全局优化算法。
　　对西藏察雅县105层土样资料利用BP网络建立CaCo3一pH神经网络模型，并与刘世全等所做的回归模型在拟合精度和预测性能方面作了比较，结果显示，BP网络在拟合性能方面不亚于回归方法，在预测性能上要优于回归方法。沈掌泉等(2004)以英国北爱尔兰Hayes的一块牧草地为研究区，将所有样点分为独立的训练和检验数据集，并在训练样点集的基础上设计了其他4种样点布局方案，以研究神经网络集成技术应用于田间土壤性质空间变异性的可能性;结果表明由于神经网络集成方法对样本数据的分布没有任何要求，具有较广泛的应用前景和潜力，并在不符合克里格法对样本数据分布要求的情况下是一种可行的替代方法。杨锤和汪德灌 (2004)对将神经网络引入土壤环境系统的研究中作了有意义的尝试，所建立Caco3·pH间的关系模型，是研究污染物在土壤中的降解和转化的重要基础，对评价周边环境因素对土壤的综合作用也有重要意义。设施土壤水分检测仪栽培下土壤硝态氮累积的特征、土壤中硝态氮累积对作物生长发育以及对环境的影响，明确了各种因素对硝态氮迁移和累积的相对贡献，为控制硝态氮的累积提供了重要的科学依据。土壤中硝态氮的迁移过程不是单一的物理过程，是物理、化学、生物等过程综合作用的结果，同时还受作物吸收的影响。
　　温室内的土壤由于长期处于高温高湿环境，并缺乏雨水的淋溶，其土壤生态环境与露地土壤相比已发生了变化。对硝态氮迁移和累积的定量化研究结果十分有限。我国设施栽培中这方面研究仅处于初步阶段，许多问题有待深入研究。对长期温室栽培条件下的土壤理化性质、水热特性等缺乏评价。通过典型性调查可以初步了解这些问题。