Kostiakov入渗模型参数的预测精度对比分析研究

• 作者: 李昊哲 樊贵盛
• 来源期刊: 节水灌溉
• 学科: 农学
• 关键词: 支持向量机 BP神经网络 Kostiakov入渗模型 误差分析 土壤理化参数
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 试验研究
• 页码范围: 27-30
• 页数: 4页
• 分类号: S152|TV93
• 字数: 4048字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-4929.2017.11.007

摘要

基于黄土高原系列大田入渗试验数据,以土壤体积含水率、干容重、黏粒含量、粉粒含量、有机质含量为输入因子,采用支持向量机和BP神经网络两种算法,对Kostiakov二参数入渗模型参数进行预测,并对两种算法下预测结果的相对误差值进行分析,结果表明:采用支持向量机算法对入渗系数和入渗指数进行预测的结果相对误差最大值和平均值都比BP算法的预测结果要小,相对误差最小值比BP算法的预测结果要大;支持向量机算法比BP算法所得预测结果的稳定性好,精确度高.研究结果丰富了采用土壤传输函数获取入渗参数这一研究方向,同时为获取更高精度的入渗参数在方法的选取上提供一定的理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊贵盛	太原理工大学水利科学与工程学院	152	1928	18.0	40.0
2	李昊哲	太原理工大学水利科学与工程学院	5	18	4.0	4.0