基于Logistic回归和RBF神经网络的土壤侵蚀模数预测

• 作者: 周宁 李超 满秀玲
• 来源期刊: 水土保持通报
• 学科: 农学
• 关键词: Logistic回归 RBF神经网络 土壤侵蚀 预测模型 USLE
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 水保监测与应用技术
• 页码范围: 235-241,封2
• 页数: 8页
• 分类号: S157
• 字数: 6509字
• 语种: 中文

摘要

[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测.[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型.[结果](1) Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4％和97.9％,总预测正确率为94.9％.(2) RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612％和13.292,R2为0.57.(3) LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157％和2.601.R2为0.82,拟合程度上优于RBF神经网络模型.随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势.通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高.[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	满秀玲	东北林业大学林学院	98	1135	20.0	28.0
2	周宁	东北林业大学林学院	23	76	5.0	8.0
4	李超	北京林业大学林学院	16	45	5.0	6.0