黄土区不同土地利用方式下径流量的神经网络模拟  

Runoff Simulated by Neural Network Under Different Landuses on the Loess Area

作　　者：赵鹏宇[1] 徐学选[1,2] 王玉 史新合[1,2] 廖鑫[1] 李波[1] 

机构地区：[1]西北农林科技大学资源环境学院,陕西杨凌712100 [2]中国科学院水利部水土保持研究所,陕西杨凌712100 [3]延安市宝塔区项目办,陕西延安716000

出　　处：《水土保持通报》2008年第5期144-147,共4页Bulletin of Soil and Water Conservation

基　　金：国家重点基础研究发展计划项目“水土流失环境效应评价理论与指标体系”(2007CB407205);中国科学院知识创新工程西部项目“黄土高原水土保持与可持续生态建设试验示范研究”(KZCX2-XB2-05)

摘　　要：基于黄土坡面降雨—径流关系的复杂性且非线性特性,引用3层前馈型BP网络模型,对不同土地利用方式(草灌地、刈割地、翻耕地)径流量进行模拟,以植被盖度、降雨强度、坡度、土壤前期含水率和土壤容重5个因子作为输入层变量,次降雨下径流量作为输出层变量,并利用野外人工模拟降雨试验所得到不同降雨强度下各类土地利用径流小区的径流量实测资料,对网络进行模拟训练和预测,取得了较好的结果,平均误差不超过10%。研究结果表明,与传统回归统计方法进行了误差比较,该模型的预测精度更高。Based on the complex nonlinear characteristics of rainfall runoff on slope, a three-layer feedforward back-propagation network model for runoff in different landuses （grass and shrubby slope, cutting slope and plowing slope） is established. Structure of the model has five input variables, including vegetation coverage, rainfall intensity, gradient, antecedent soil moisture content, and soil bulk density and one output variable of runoff amount from single rainfall event. The network model is validated by using the data ob- served from field simulated rainfall experiment. The BP network model is compared with conventional method as well. Results show that the BP network model may improve the precision of forecast.

关 键 词：黄土高原 径流量 神经网络 土地利用方式 模拟降雨 

分 类 号：S157[农业科学—土壤学] Q242.1[农业科学—农业基础科学]