[基于改进的BP神经网络和优化搜索算法预测土壤有机物质的空间分布]
Zhi-Rui Hu1, Wan-Fu Zhao1, Yin-Xian Song2
1Ningxia Survey and Monitoring Institute of Land Resources, Yinchuan 750002, China.
Huan jing ke xue= Huanjing kexue
|April 17, 2024
概括
准确的土壤有机物 (SOM) 预测对于土壤肥力至关重要. 机器学习,特别是使用子搜索算法优化的BP神经网络,在预测韦宁平原SOM空间分布方面表现出卓越的准确性.
科学领域:
- 土壤科学 土壤科学
- 环境科学 环境科学
- 地质科学 地质科学
背景情况:
- 土壤有机物 (SOM) 是土壤肥力和健康的关键指标.
- 准确的SOM空间预测对于有效的土地管理和农业实践至关重要.
- 黄河流域的韦宁平原为研究SOM分布提供了一个独特的景观.
研究的目的:
- 分析韦宁平原土壤有机物质的空间分布.
- 为了比较不同空间预测模型对SOM的预测准确度.
- 确定改善SOM空间分布预测的最有效方法.
主要方法:
- 从韦宁平原收集了1690个土壤表面样本 (0-20厘米) 和环境数据.
- 开发了使用古典统计学,确定性插入,地理统计插入和机器学习的SOM空间分布预测模型.
- 使用342个样本点的测试集验证模型.
主要成果:
- 平均SOM含量为14.34g·kg-1,具有中等程度的可变性 (34.81%).
- 东北和西南地区的SOM含量较低,在黄河沿岸的高处,在斜坡地形上升高.
- 预测准确度顺序:机器学习 > 地统计位 > 确定性位 > 经典统计学.
结论:
- 机器学习方法,特别是BP神经网络,通过一只子搜索算法进行优化,为SOM预测提供了最高的准确性.
- 优化的子搜索算法提高了收率,避免了局部最佳值,并防止了过拟合,提高了预测能力.
- 这种优化的方法显示了改善土壤属性预测和土壤管理策略的巨大潜力.
