- 详情
- 2021-04-26
- 简介
pdf
- 162KB
- 页数 3P
- 阅读 80
- 下载 25
依据从2005年1~12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型。模型共分输入层、隐含层和输出层3层。输入层的输入变量包括数据采集当天的10 cm、20 cm和40 cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量。输出层的输出变量包括1天后的10 cm2、0 cm和40 cm深度的土壤含水量。模型的学习因子为0.1,动量因子为0.05。模型经过25 000次训练后收敛,收敛误差为8×10-4,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
人工神经网络在预报土壤墒情中的应用 162KB
人工神经网络在土壤含盐量预测中的应用 586KB
径向基人工神经网络法在土壤盐渍化调查中的应用 684KB
人工神经网络在岩土参数反分析中的应用 560KB
人工神经网络在岩土参数反分析中的应用 364KB
人工神经网络在空调系统中的应用 253KB
人工神经网络在基坑变形性状研究中的应用 230KB
人工神经网络在预测软基沉降中的应用研究 257KB
人工神经网络在材料性能预测中的应用 312KB
人工神经网络在摩擦材料制备中的应用 589KB