论文部分内容阅读
利用神经网络对土壤水分进行预测时,一般需考虑多个因素(如气象因素和土壤特性等),需测量多种参数值。神经网络模型只以0~100cm范围内各层的土壤含水量为输入变量,对0~180cm土层的土壤含水量进行了预测,并与Biswas估算模式的预测结果进行了比较。结果表明:神经网络方法具有很高的预测精度,预测值的相对误差在-4.26%~3.22%;Biswas估算模式的预测效果较差,预测值的相对误差在-11.87%~7.95%。由此可见,该神经网络模型具有较强的便利性和实用性,可用于对本地区果园的土壤墒情进行估测。图