考虑块段效应的RBF神经网络在土壤空间插值中的应用

被引:4
作者
徐英
机构
[1] 扬州大学水利科学与工程学院
关键词
土壤水分; 有机质; 空间插值; 径向基函数网络; 块段效应;
D O I
10.14042/j.cnki.32.1309.2012.01.005
中图分类号
S152.7 [土壤水分];
学科分类号
0903 ; 090301 ;
摘要
定义了土壤变异中的块段效应,提出了考虑块段效应的RBF神经网络空间插值模型(RBFBE法),以期提高土壤水分和养分的插值精度;并以江苏省扬州市区北部某试区为例,通过A、B两种训练方案,将RBFBE法对土壤含水率与有机质含量的插值结果与常规的RBF神经网络(RBFANN法)空间插值结果及普通克里金法(OK法)插值结果进行了对比分析。结果表明:与OK法相比,RBFBE法能使土壤特性的均方误差Mse缩小19.0%~62.2%,预测吻合度G提高8.9%~28.8%;与输入信息相同的RBFANN法相比,RBFBE法亦能使土壤特性的均方误差Mse缩小10.0%~48.8%,预测吻合度G提高3.4%~22.0%;此外,研究也表明RBFBE法具有较强的泛化能力。考虑块段效应的RBF神经网络方法有利于拓展人工神经网络方法在土壤特性空间插值中的应用范围,具有一定的应用前景。
引用
收藏
页码:67 / 73
页数:7
相关论文
共 17 条
[1]   青藏高原高寒草甸区土壤水分的空间异质性 [J].
李元寿 ;
王根绪 ;
丁永建 ;
王一博 ;
赵林 ;
张春敏 .
水科学进展, 2008, (01) :61-67
[2]  
Combined use of hyperspectral VNIR reflectance spectroscopy and kriging to predict soilvariables spatially. BILGILI A V,AKBAS F,VAN ES H M. Precision Agriculture . 2011
[3]  
空间变异理论及应用[M]. 科学出版社 , 张仁铎著, 2005
[4]   农田土壤水分和盐分空间分布的指示克立格分析评价 [J].
徐英 ;
陈亚新 ;
王俊生 ;
刘全明 .
水科学进展, 2006, (04) :477-482
[5]  
Stochastic simulation and spatial estimation with multiple data types using artificial neural networks. BESAW L E,RIZZO D M. Water Resources Research . 2007
[6]  
Using indicator kriging technique for soil salinity and yield management. AHMED A E,,LUIS A G. Journal of Irrigation andDrainage Engineering . 2011
[7]  
Spatial estimation of soil total nitrogen using cokriging withpredicted soil organic matter content. Wu C F,Wu J P,Luo Y M,Zhang L M,DeGloria S D. Soil Science Society ofAmerica Journal . 2009
[8]  
Characterization of aquifer properties artificial neural networks:Neural kriging. Donna M Pizzo,,David E Dougherty. Water Resources Research . 1994
[9]  
High-resolution space-time rainfall analysis using integrated ANN inference systems. G.Langella,,,A.Basile,,A.Bonfante,,F.Terribile. Journal of Hydronautics . 2010
[10]  
A multi-objective evolutionary algorithm using neural networks to approximate fitness evaluations. A Gaspar-Cunha,A Vieira. Int J Comput Syst Signals . 2005