论文部分内容阅读
解冻期土壤侵蚀是一个极其复杂的过程,侵蚀机理与研究较为普遍的降水侵蚀存在极大差异,不同侵蚀主导过程及影响因素千差万别,目前的经验模型和物理成因模型很难兼顾到所有影响因素和侵蚀过程,无法对春季解冻期土壤侵蚀进行精确预报。需要长期积累大量数据,而BP神经网络模型包容性强,仅需要较少的相关因素,适用范围广,有着较强的学习能力,能对非线性问题进行较好的处理。因此,本研究以东北黑土区主要土壤黑土、白浆土、棕壤、草甸土为研究对象,基于前期解冻期模拟融雪及降雨试验数据,构建BP神经网络模型预测不同试验条件下的土壤侵蚀量,并评价其能否达到预期目的,主要结论如下:(1)对于室内模拟融雪径流试验的BP神经网络预报模型,分别输入黑土、白浆土、棕壤、草甸土模拟试验的冻融温差、冻融循环次数、土壤含水率、冲刷流量、土壤解冻深度五个因素,建立的BP神经网络预报模型的评价系数DC在[0,0.5)范围内,为T等不合格。但再增加相关因素径流量后,预报模型的精准度大大提高。黑土和棕壤预报模型的评价系数DC在(0.9,1]范围内,为甲等优秀。白浆土和草甸土预报模型的评价系数DC在[0.7,0.9]范围内,为乙等良好。建模输入因子对输出量的影响因素越大则模型效果越好,说明春季解冻期融雪径流量对土壤侵蚀量的影响非常大。因此构建的六个输入因素,一个输出因素,两个隐含层的三层BP神经网络土壤侵蚀预测模型可以用于室内模拟融雪径流侵蚀的预测。(2)对于室内模降雨侵蚀试验的BP神经网络预报模型,首先构建黑土、白浆土、棕壤在降雨强度、解冻深度、含水率三个因素下的BP神经网络土壤侵蚀量预测模型。三因素作为模型输入因素时,黑土、白浆土、棕壤土预报模型的评价系数DC均小于增加径流量为第四因素的预报模型评价系数DC。增加径流量后,白浆土、棕壤预报模型评级系数分别是乙等、甲等,所建模型均能正式应用;黑土预报模型评级系数增加接近一倍,但仍未达到参考预报的丙等。模拟降雨条件下,径流量对土壤侵蚀量影响的确很大,但黑土受土壤性质影响,径流量的影响程度并没有其他两种土壤大。(3)对于室外模融雪侵蚀试验的BP神经网络预报模型,草甸土仅输入冲刷流量和土壤解冻深度这二个因素,BP神经网络预测模型评价系数DC为丙等,仅可用于参考性预报。而加入径流量后,变成三因素输入后精准度大大提高,模型评价系数DC为甲等,预测效果达到所需要求。室外融雪径流预测模型在增加输入径流量后预报准确度明显提高。故构建的三个输入因素,一个输出因素,两个隐含层的三层BP神经网络的土壤侵蚀预测模型可用于室外模融雪侵蚀试验的正式预测。