基于BP神经网络的土壤侵蚀预测模型对比  

Comparison of soil erosion prediction models based on BP neural network

作　　者：孙毅[1] 

机构地区：[1]太原理工大学水利科学与工程学院,山西太原030024

出　　处：《江苏农业科学》2018年第18期221-224,共4页Jiangsu Agricultural Sciences

基　　金：山西省国际科技合作项目(编号:2013081034);山西省水利厅水利技术研究与推广项目;2015年山西省研究生教育创新项目(编号:2015SY18)

摘　　要：根据《中国水土保持公报》数据资料,基于反向传播(back propagation,简称BP)神经网络模型、万有引力搜索算法(gravitational search algorithm,简称GSA)和人群搜索算法(seeker optimization algorithm,简称SOA)优化的BP神经网络模型,研究以土壤类型、地形、坡度、植被措施、降水为输入,以土壤侵蚀模数为输出的BP、GSA-BP和SOABP模型对土壤侵蚀量的预测,并采用典型监测点的实测数据对模型进行验证。结果表明,3种模型均具有较高精度,可用于土壤侵蚀量的定量预测,其中SOA-BP模型的预测效果最优。本研究成果将为水土流失监测工作提供有效支持。

关 键 词：万有引力搜索算法 人群搜索算法 BP神经网络 土壤侵蚀模数 

分 类 号：S157[农业科学—土壤学]