基于神经网络模型的安徽省土壤pH预测

• 作者: 卢宏亮 赵明松
• 来源期刊: 江苏农业学报
• 学科: 农学
• 关键词: 土壤pH 空间预测 RPROP算法 GRPROP算法 神经网络 安徽省
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 耕作栽培·资源环境
• 页码范围: 1119-1123
• 页数: 5页
• 分类号: S127
• 字数: 3973字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2019.05.017

摘要

以土壤pH为研究对象,利用一般反向传播(Back propagation,BP)神经网络模型、带回溯的弹性反向传播(Re-silient back propagation with backtracking,RPROP-WB)神经网络模型、不带回溯的弹性反向传播(Resilient back propagation without backtracking,RPROP-OB)和最小绝对梯度反向传播(Smallest absolute gradient resilient back propagation,SAG-RPROP)神经网络模型进行安徽省土壤pH的预测及制图,选用均方根误差(RMSE)、绝对平均误差(MAE)及决定系数(R2)为评价标准,比较3种改进的神经网络模型与一般BP神经网络模型对于土壤pH的预测能力.结果表明:研究区域内,4种神经网络模型的拟合能力高低依次为:SAG-RPROP>RPROP-WB>RPROP-OB>BP.由建模集可以看出,RPROP-WB、RPROP-OB 2种模型与BP神经网络模型的预测精度一致,4种模型中预测精度最高的为SAG-RPROP,R2比其他3种模型提高0.07.对于验证集,预测能力高低依次为:SAG-RPROP>RPROP-WB>RPROP-OB>BP,预测精度和泛化能力最高的为SAG-RPROP模型,RMSE、MAE和R2分别为0.67、0.50及0.59.空间预测图结果显示,4种模型所得安徽省土壤pH空间分布基本类似,均呈"南酸北碱"趋势,一般BP神经网络对于土壤pH预测区分度较低,预测所得安徽省南部地区的土壤pH均集中在5.57至6.50之间,RPROP-WB、RPROP-OB及SAG-RPROP所得预测图则区分更为明显.综上所述,RPROP及其改进算法可以有效地进行土壤属性的预测,且精度均高于一般BP神经网络模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢宏亮	安徽理工大学测绘学院	8	4	1.0	2.0
2	赵明松	安徽理工大学测绘学院	17	56	4.0	7.0