马来西亚半岛土壤侵蚀性估计:使用多重线性回归和人工神经网络的案例研究

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 数据科学数据科学数据科学

背景情况:

• 土壤侵蚀性 (K) 对于估计土壤损失和了解土壤易受侵蚀的敏感性至关重要.
• 使用人工神经网络 (ANN) 和多重线性回归 (MLR) 等计算方法的预测建模对于自然危险评估是有价值的.

研究的目的:

• 评估MLR和ANN模型在马来西亚半岛预测土壤侵蚀性 (K) 的性能.
• 通过相关性和主要成分分析 (PCA) 来确定影响土壤侵蚀性的关键土壤参数.

主要方法:

• 从马来西亚半岛收集了103个土壤样本,用Tew方程计算K值.
• 开发并比较了两种MLR模型和四种ANN模型 (使用Levenberg-Marquardt优化和缩放的并联梯度).
• 使用R2,MSE,RMSE和NSE指标验证模型性能.

主要成果:

• 在预测土壤侵蚀性方面,ANN模型显著优于MLR模型.
• 与MLR相比,ANN模型实现了更高的R2值 (高达0.940) 和更低的平均平方误差 (MSE) 值 (低至0.0000158).
• 通过相关性和PCA确定了对土壤侵蚀性的关键影响因素.

结论:

• 在半岛马来西亚,ANN模型为估计土壤侵蚀能力提供了更准确,更可靠的方法.
• 这些发现为该地区的K因子估计提供了经验和方法的支持.
• 这项研究强调了先进的计算技术在土壤科学和侵蚀建模方面的潜力.