基于支持向量机和神经网络的土壤水力学参数预测效果比较

• 作者: 聂春燕 胡克林 邵元海 陈薇
• 来源期刊: 中国农业大学学报
• 学科: 农学
• 关键词: 土壤质地分类 传递函数 支持向量回归机 神经网络
• 年，卷（期）: 2010,（6）
• 页码范围: 102-107
• 分类号: S117
• 语种: 中文

摘要

在美国土壤水分物理性质数据库(UNSODA 2.0)的基础上,考虑土壤质地不分类和分类2种情况,分别构建了基于支持向量回归机(SVR)的土壤传递函数模型,比较了在土壤质地不分类和分类情况下预测土壤水力学参数(水分特征曲线和饱和导水率)的效果,并与建立在相同数据库上的基于神经网络的Rosetta模型的预测效果进行了比较.结果表明:土壤质地不分类的情况下,输入参数越多,基于SVR模型的预测效果越好;土壤质地分类情况下,基于SVM分类建模的预测结果普遍好于不分类情况.无论土壤质地是否分类,样本和输入参数相同的条件下,基于SVR的模型预测的效果都优于Rosetta模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈薇	中国农业大学理学院	11	142	8.0	11.0
2	胡克林	中国农业大学资源与环境学院	61	2803	27.0	52.0
3	邵元海	中国农业大学理学院	4	40	3.0	4.0
4	聂春燕	中国农业大学理学院	1	10	1.0	1.0