检索结果-维普期刊中文期刊服务平台

盐碱土壤Kostiakov入渗模型参数的BP预报模型被引量：2: 1; 作者李昊哲樊贵盛《中国农村水利水电》北大核心 2017年第7期49-53,58,共6页; 为改良和改善盐碱地提供土壤入渗参数技术支撑,基于在山西省北部盐碱地进行的野外系列入渗试验,获取了累积入渗量与入渗历时的数据样本,并计算回归了kostiakov二参数入渗模型的入渗系数k与入渗指数α,建立了盐碱土壤基本理化参数与入渗... 展开更多; 关键词盐碱土壤 Kostiakov二参数模型参数土壤基本理化参数 BP神经网络水分入渗; 在线阅读下载PDF 职称材料

土壤水分特征曲线模型参数的非线性传输函数研究被引量：2: 2; 作者李彬楠樊贵盛《节水灌溉》北大核心 2017年第12期8-12,共5页; 以黄土高原区土壤为研究对象,通过土壤水分特征曲线与土壤基本理化参数系列试验,获得了Van-Genuchten模型参数的实测数据样本,建立了土壤基本理化参数与Van-Genuchten模型参数之间一一对应的关系,创建了以土壤黏粒含量、粉粒含量、容重... 展开更多; 关键词黄土土壤水分特征曲线土壤基本理化参数 Van—Genuchten模型非线性土壤传输函数; 在线阅读下载PDF 职称材料

基于Kostiakov二参数入渗模型参数的BP预测被引量：1: 3; 作者舒凯民樊贵盛《节水灌溉》北大核心 2016年第10期1-5,共5页; 基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以... 展开更多; 关键词耕作土壤 Kostiakov二参数入渗模型入渗参数土壤基本理化参数 BP预测模型; 在线阅读下载PDF 职称材料

基于人工神经网络的比水容量模型参数预测模型研究被引量：1: 4; 作者李浩然樊贵盛《中国农村水利水电》北大核心 2018年第10期197-201,210,共6页; 为了探索获取比水容量的简便方式,以山西省黄土高原区农耕土壤为实验对象,进行了土壤水分特征曲线与比水容量的相关试验,拟合得到比水容量模型参数,并配套测定了相关的土壤基本理化参数。在研究分析各个土壤基本理化参数与比水容量模型... 展开更多; 关键词人工神经网络比水容量模型参数 Gardner经验模型土壤基本理化参数; 在线阅读下载PDF 职称材料

考虑黄土结构变形的Philip入渗模型参数预报: 5; 作者舒凯民樊贵盛《人民黄河》 CAS 北大核心 2016年第9期143-148,共6页; 基于黄土高原区区域尺度大田耕作土壤的水分入渗试验,考虑黄土备耕头水地土壤结构的变形特性,建立了Philip半理论半经验入渗模型参数的BP神经网络预报模型,实现了以土壤基本理化参数为输入变量、Philip模型参数为输出变量的BP预报。对Ph... 展开更多; 关键词大田耕作土壤土壤结构变形 Philip入渗模型参数土壤基本理化参数 BP预报模型; 在线阅读下载PDF 职称材料

题名盐碱土壤Kostiakov入渗模型参数的BP预报模型被引量：2: 1; 作者李昊哲樊贵盛; 机构太原理工大学水利科学与工程学院; 出处《中国农村水利水电》北大核心 2017年第7期49-53,58,共6页; 基金国家自然科学基金资助项目(40671081) 山西省科技攻关项目(2007031070); 文摘为改良和改善盐碱地提供土壤入渗参数技术支撑,基于在山西省北部盐碱地进行的野外系列入渗试验,获取了累积入渗量与入渗历时的数据样本,并计算回归了kostiakov二参数入渗模型的入渗系数k与入渗指数α,建立了盐碱土壤基本理化参数与入渗参数之间的数据样本,利用BP神经网络的方法,建立了以土壤含水率、容重、质地、有机质、全盐量以及p H为输入变量,kostiakov入渗参数为输出变量的预报模型。结果表明:盐碱地土壤条件下,以土壤基本理化参数为输入变量,kostiakov入渗模型参数为输出变量的BP预报是可行的,入渗系数k的相对平均误差为0.29%、入渗指数α的相对平均误差为1.28%,以及根据两个入渗参数计算得到90 min累积入渗量的相对平均误差为2.37%,对所建立的模型进行检验时,以上三个参数检验误差的平均值均能控制在3%以下,确定所建立的BP预测模型能获得较好的效果。; 关键词盐碱土壤 Kostiakov二参数模型参数土壤基本理化参数 BP神经网络水分入渗; Keywords saline soil Kostiakov infiltration model parameters soil physical and chemical parameters BP neural networks water infiltration; 分类号 S152.7 [农业科学—土壤学] TV93 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名土壤水分特征曲线模型参数的非线性传输函数研究被引量：2: 2; 作者李彬楠樊贵盛; 机构太原理工大学水利科学与工程学院; 出处《节水灌溉》北大核心 2017年第12期8-12,共5页; 基金国家自然科学基金资助项目(40671081) 山西省农田节水技术开发服务推广站项目; 文摘以黄土高原区土壤为研究对象,通过土壤水分特征曲线与土壤基本理化参数系列试验,获得了Van-Genuchten模型参数的实测数据样本,建立了土壤基本理化参数与Van-Genuchten模型参数之间一一对应的关系,创建了以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,Van-Genuchten模型参数为输出变量的非线性传输函数预报模型。研究表明:以土壤黏粒含量、粉粒含量、容重、有机质含量、全盐量为输入变量,对Van-Genuchten模型参数进行非线性预报是可行的;所建立的非线性预报模型精度较高,预测样本下Van-Genuchten模型参数α的实测值与预测值的相对误差的平均值为9.66%,参数n的实测值与预测值的相对误差的平均值为6.83%,检验样本参数α的实测值与预测值的相对误差的平均值为7.34%,参数n的实测值与预测值的相对误差的平均值为5.45%。研究成果为黄土地区提供一种便捷获取土壤水分特征曲线的途径。; 关键词黄土土壤水分特征曲线土壤基本理化参数 Van—Genuchten模型非线性土壤传输函数; Keywords Loess soil water characteristic curve soil basic physical and chemical parameters Van Genuchten model nonlinear soil transfer function; 分类号 S27 [农业科学—农业水土工程]; 在线阅读下载PDF 职称材料

题名基于Kostiakov二参数入渗模型参数的BP预测被引量：1: 3; 作者舒凯民樊贵盛; 机构太原理工大学; 出处《节水灌溉》北大核心 2016年第10期1-5,共5页; 基金国家自然科学基金项目(40671081); 文摘基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以及90min累积入渗量H进行了预测值与实测值的精度比较,结果显示对入渗系数k实现BP预测的平均相对误差为6.082 3%,入渗指数α的平均相对误差为1.045 9%,90min累积入渗量H的平均相对误差为4.973 5%,三者的平均相对误差值均在7%以下,预测精度较高,预测效果较好,表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的。研究结果为获取准确的入渗参数提供技术手段,进而为提高农业灌溉水管理水平和灌水效率提供支撑。; 关键词耕作土壤 Kostiakov二参数入渗模型入渗参数土壤基本理化参数 BP预测模型; Keywords farming soil Kostiakov infiltration model with two parameters infiltration parameter soil physicochemical parameters BP prediction model; 分类号 S152.7 [农业科学—土壤学] TV93 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名基于人工神经网络的比水容量模型参数预测模型研究被引量：1: 4; 作者李浩然樊贵盛; 机构太原理工大学水利科学与工程学院; 出处《中国农村水利水电》北大核心 2018年第10期197-201,210,共6页; 基金国家自然科学基金资助项目(40671081); 文摘为了探索获取比水容量的简便方式,以山西省黄土高原区农耕土壤为实验对象,进行了土壤水分特征曲线与比水容量的相关试验,拟合得到比水容量模型参数,并配套测定了相关的土壤基本理化参数。在研究分析各个土壤基本理化参数与比水容量模型参数的影响关系的基础上,建立了关于土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量的BP神经网络预报模型。研究表明:以土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量为输入因子的BP神经网络预报模型是可行的,比水容量模型参数实测值与预测值之间的平均相对误差均低于10%,预测效果较好,精度较高。该研究结果为黄土高原地区获取比水容量提供了理论与技术上的支持,同时可促进土壤传输函数理论的发展。; 关键词人工神经网络比水容量模型参数 Gardner经验模型土壤基本理化参数; Keywords artificial neural networks parameters of the water capacity model Gardner model physical and chemical parameters of soil; 分类号 S152 [农业科学—土壤学] TV93 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名考虑黄土结构变形的Philip入渗模型参数预报: 5; 作者舒凯民樊贵盛; 机构太原理工大学; 出处《人民黄河》 CAS 北大核心 2016年第9期143-148,共6页; 基金国家自然科学基金资助项目(40671081); 文摘基于黄土高原区区域尺度大田耕作土壤的水分入渗试验,考虑黄土备耕头水地土壤结构的变形特性,建立了Philip半理论半经验入渗模型参数的BP神经网络预报模型,实现了以土壤基本理化参数为输入变量、Philip模型参数为输出变量的BP预报。对Philip模型中吸湿率S、稳渗率A以及90 min累计入渗量的预测值与实测值进行比较,结果显示:吸湿率S的平均相对误差为1.41%,稳渗率A的平均相对误差为2.81%,90 min累计入渗量的平均相对误差为1.75%,三者的平均相对误差值均在3%以下,预测精度很高。这表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的,考虑备耕头水地土壤结构变形使得BP预报结果更符合土壤水分入渗实际状况。; 关键词大田耕作土壤土壤结构变形 Philip入渗模型参数土壤基本理化参数 BP预报模型; Keywords field farming soil soil structure deformation Philip infiltration model soil physicochemical parameters B Pprediction model; 分类号 S152.7 [农业科学—土壤学] TV93 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	盐碱土壤Kostiakov入渗模型参数的BP预报模型	李昊哲樊贵盛	《中国农村水利水电》北大核心	2017	2	在线阅读下载PDF 职称材料
2	土壤水分特征曲线模型参数的非线性传输函数研究	李彬楠樊贵盛	《节水灌溉》北大核心	2017	2	在线阅读下载PDF 职称材料
3	基于Kostiakov二参数入渗模型参数的BP预测	舒凯民樊贵盛	《节水灌溉》北大核心	2016	1	在线阅读下载PDF 职称材料
4	基于人工神经网络的比水容量模型参数预测模型研究	李浩然樊贵盛	《中国农村水利水电》北大核心	2018	1	在线阅读下载PDF 职称材料
5	考虑黄土结构变形的Philip入渗模型参数预报	舒凯民樊贵盛	《人民黄河》 CAS 北大核心	2016	0	在线阅读下载PDF 职称材料