根据区域水环境监测与评价的要求,采用人工智能计算技术的BP神经网络模型进行二维区域性土壤水盐环境动态监测,仿真计算了河套灌区内两个实验区的区域土壤水盐动态值,绘制出水盐等值线图与三维透视图,将两年的预测成果对比分析。结果表...根据区域水环境监测与评价的要求,采用人工智能计算技术的BP神经网络模型进行二维区域性土壤水盐环境动态监测,仿真计算了河套灌区内两个实验区的区域土壤水盐动态值,绘制出水盐等值线图与三维透视图,将两年的预测成果对比分析。结果表明:隆胜实验区2002、2004两年春季耕作层土壤水分平均值稳定为21.0%,电导率平均值分别为0.35 m s/cm、0.42 m s/cm,有少量积盐。沙壕渠实验区两年春季耕作层土壤水分平均值分别为25.8%、21.8%,水分减少4%,而电导率明显增加,从0.44 m s/cm增至0.66 m s/cm,土壤耕层积盐明显,值得引起重视。由于BP神经网络技术对原始数据无参数及分布要求,不涉及特异值处理问题,可消除普通克立格法的平滑效应,具有较强的非线性拟合智能,对采样系统布置无严格要求,计算程序简单实用,是对常用地质统计学K rig ing传统预测方法的改进,有独特的优点,可应用于大面积土壤水盐动态监测工作。展开更多
文摘根据区域水环境监测与评价的要求,采用人工智能计算技术的BP神经网络模型进行二维区域性土壤水盐环境动态监测,仿真计算了河套灌区内两个实验区的区域土壤水盐动态值,绘制出水盐等值线图与三维透视图,将两年的预测成果对比分析。结果表明:隆胜实验区2002、2004两年春季耕作层土壤水分平均值稳定为21.0%,电导率平均值分别为0.35 m s/cm、0.42 m s/cm,有少量积盐。沙壕渠实验区两年春季耕作层土壤水分平均值分别为25.8%、21.8%,水分减少4%,而电导率明显增加,从0.44 m s/cm增至0.66 m s/cm,土壤耕层积盐明显,值得引起重视。由于BP神经网络技术对原始数据无参数及分布要求,不涉及特异值处理问题,可消除普通克立格法的平滑效应,具有较强的非线性拟合智能,对采样系统布置无严格要求,计算程序简单实用,是对常用地质统计学K rig ing传统预测方法的改进,有独特的优点,可应用于大面积土壤水盐动态监测工作。
