在佛罗里达州使用混合人工神经网络进行土壤温度预测 亚热带牧场 农业生态系统
Seyed Mostafa Biazar1, Hisham A Shehadeh2, Mohammad Ali Ghorbani3
1Department of Soil, Water and Ecosystem Sciences, University of Florida, IFAS/RCREC, Ona, FL, USA.
Scientific reports
|January 17, 2024
概括
准确的土壤温度预测对于陆地表面模拟至关重要. 结合人工神经网络 (ANN) 和精子群优化 (SSO) 的混合模型在预测不同深度的土壤温度方面更有效.
科学领域:
- 地球和环境科学 地球和环境科学
- 计算科学 计算科学
- 农业科学 农业科学
背景情况:
- 土壤温度是影响土壤过程的关键气象参数.
- 准确的土壤温度预测对于陆地表面建模至关重要.
- 土壤温度的变化取决于土地覆盖和气候.
研究的目的:
- 在四个深度 (5,10,20,50厘米) 估计土壤温度.
- 为了比较人工神经网络 (ANN) 和混合MLP-SSO模型的性能.
- 利用南佛罗里达州七年气象数据进行模型开发.
主要方法:
- 人工神经网络 (ANN) 用于土壤温度估计.
- 精子群优化 (SSO) 与ANN集成,创建了一个混合MLP-SSO模型.
- 这些模型是使用佛罗里达州阿奇博德生物站的气象数据进行训练和验证的.
主要成果:
- 与独立的ANN相比,混合MLP-SSO模型在土壤温度预测方面表现出更高的准确性.
- 该研究评估了亚热带牧场条件下的模型性能.
- 综合模型在多种深度提供了更可靠的土壤温度预测.
结论:
- 建议混合MLP-SSO模型作为准确和合适的工具用于土壤温度预测.
- 这种方法增强了对陆地表面过程的模拟.
- 这些发现有助于改进气象和农业建模.
