基于bp网络和回归分析的红壤可蚀性预测

？基于野外人工模拟降雨试验及室内土壤理化指标测定,研究广东省红壤可蚀性并构建其预测模型。可蚀性因子k与土壤黏粒、砂粒和有机质质量分数呈极显著相关关系(p<0.01),皮尔逊相关系数分别为-0.920、0.925和-0.642。采用逐步回归分析法筛选对k值有显著影响作用的11个单因子及多因子交互作用项,其中粉粒与有机质质量分数交互作用对k值影响最大。k值逐步回归预测模型效果较好,相对误差均小于25%。这11个单因子及多因子交互作用项为输入变量,k值为输出变量,建立k值bp神经网络预测模型。利用灰色关联度分析法确定了bp神经网络最优结构为11-11-1,网络训练算法为levenberg-marquardt。k值bp神经网络预测模型90%数据点相对误差小于10%,其精度明显优于逐步回归分析模型,能更为准确地反映影响因子与k值间的内在规律。